CN108387587A - 缺陷检测方法及缺陷检测设备 - Google Patents

缺陷检测方法及缺陷检测设备 Download PDF

Info

Publication number
CN108387587A
CN108387587A CN201810060335.0A CN201810060335A CN108387587A CN 108387587 A CN108387587 A CN 108387587A CN 201810060335 A CN201810060335 A CN 201810060335A CN 108387587 A CN108387587 A CN 108387587A
Authority
CN
China
Prior art keywords
grayscale
substrate
film thickness
detected
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810060335.0A
Other languages
English (en)
Other versions
CN108387587B (zh
Inventor
习征东
李圭铉
刘超强
王建宏
王金顺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Chongqing BOE Optoelectronics Technology Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Chongqing BOE Optoelectronics Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd, Chongqing BOE Optoelectronics Technology Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201810060335.0A priority Critical patent/CN108387587B/zh
Publication of CN108387587A publication Critical patent/CN108387587A/zh
Priority to US16/189,352 priority patent/US10872407B2/en
Application granted granted Critical
Publication of CN108387587B publication Critical patent/CN108387587B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N2021/9513—Liquid crystal panels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display

Abstract

本发明提供了一种缺陷检测方法及检测设备，涉及显示装置制造技术领域，用于解决传统缺陷检测过程受人为因素影响大，造成检测的准确度差的问题，及传统缺陷检测过程耗时长，造成生产效率下降的问题。其中该检测方法包括：获取待检测基板的灰阶图像；判断灰阶图像中是否存在灰阶异常区域，如果是，则确定灰阶图像中的灰阶异常区域和灰阶正常区域，然后执行下一步骤，如果否，则判定待检测基板合格；计算灰阶异常区域与灰阶正常区域的灰阶差值；根据灰阶差值计算灰阶异常区域与灰阶正常区域的膜厚差估计值；根据膜厚差估计值判断待检测基板是否合格。上述方法应用于显示装置的制造过程中，对基板上所涂布的透明薄膜的厚度均匀性进行考察。

Description

缺陷检测方法及缺陷检测设备
技术领域
本发明涉及显示装置制造技术领域，尤其涉及一种缺陷检测方法及缺陷检测设备。
背景技术
通常，在液晶显示装置的CF(Color Filter，彩膜)基板的制作过程中，包括涂布OC(Over Coating)膜的步骤和涂布PS(Photo Spacer，隔垫物)膜的步骤。如果涂布的膜层厚度不均匀，可能会产生竖线、斑点等各类宏观Mura问题或其它缺陷问题，因此在OC膜和PS膜涂布完成后，均需要对Mura等缺陷进行检测。
发明内容
本发明实施例提供一种缺陷检测方法及缺陷检测设备，以解决传统缺陷检测过程受人为因素影响大，造成检测的准确度差的问题，及传统缺陷检测过程耗时长，造成生产效率下降的问题。
为达到上述目的，本发明实施例采用如下技术方案：
第一方面，本发明实施例提供了一种缺陷检测方法，该缺陷检测方法包括以下步骤：
S1：获取待检测基板的灰阶图像。
S2：判断所述灰阶图像中是否存在灰阶异常区域，如果是，则确定所述灰阶图像中的灰阶异常区域和灰阶正常区域，然后进入步骤S3；如果否，则判定所述待检测基板合格。
S3：计算所述灰阶异常区域与所述灰阶正常区域的灰阶差值g。
S4：根据所述灰阶差值g，计算所述灰阶异常区域与所述灰阶正常区域的膜厚差估计值d。
S5：根据所述膜厚差估计值d，判断所述待检测基板是否合格。
在上述缺陷检测方法中，当对待检测基板进行缺陷检测时，在获取到待检测基板的灰阶图像后，针对具有灰阶异常区域的灰阶图像，计算灰阶异常区域和灰阶正常区域的灰阶差值，然后根据该灰阶差值计算得到待检测基板的膜厚差估计值，进而可根据该膜厚差估计值对待检测基板是否合格进行判断。通过上述过程能够完成待检测基板的自动检测判断，无需检测人员凭肉眼观察待检测基板再依赖经验判断，并且通过计算出确切的膜厚差估计值来进行判断，极大地提高了缺陷检测的准确度，提升了产品良率。同时，对于人员观察无法判定是否合格的基板，省去了采用测量设备测量膜厚的步骤，极大地节约了检测时间，从而提高了生产效率。
第二方面，本发明实施例提供了一种缺陷检测设备，该缺陷检测设备包括：灰阶图像获取模块，用于获取待检测基板的灰阶图像。与所述灰阶图像获取模块相连的第一判断模块，用于判断所述灰阶图像中是否存在灰阶异常区域：在所述灰阶图像中存在灰阶异常区域时，确定所述灰阶图像中的灰阶异常区域和灰阶正常区域；在所述灰阶图像中不存在灰阶异常区域时，判定所述待检测基板合格。与所述第一判断模块相连的计算模块，用于计算所述灰阶异常区域与所述灰阶正常区域的灰阶差值g，并根据所述灰阶差值g，计算所述灰阶异常区域与所述灰阶正常区域的膜厚差估计值d。与所述计算模块相连的第二判断模块，用于根据所述膜厚差估计值d，判断所述待检测基板是否合格。
上述缺陷检测设备所能产生的有益效果与第一方面所提供的缺陷检测方法的有益效果相同，此处不再赘述。
第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序配置为被处理器执行时，能够实现如第一方面所述的缺陷检测方法的各步骤。
上述计算机可读存储介质所能产生的有益效果与第一方面所提供的缺陷检测方法的有益效果相同，此处不再赘述。
第四方面，本发明实施例提供了一种计算机设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，能够实现如第一方面所述的缺陷检测方法的各步骤。
上述计算机设备所能产生的有益效果与第一方面所提供的缺陷检测方法的有益效果相同，此处不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例所提供的缺陷检测方法的基本流程图；
图2为本发明实施例所提供的缺陷检测方法的具体流程图；
图3为待检测基板的灰阶图像的局部图；
图4为图3所示出的局部灰阶图像中各图像点的灰阶值曲线图；
图5为待检测基板的灰阶图像中各图像点的灰阶值曲线图一；
图6为待检测基板的灰阶图像中各图像点的灰阶值曲线图二；
图7为待检测基板的灰阶图像中各图像点的灰阶值曲线图三；
图8为本发明实施例所提供的缺陷检测方法中获取关系系数x的流程图；
图9为图8所示出的方法中根据样本关系系数x1～xN计算关系系数x的流程图；
图10为本发明实施例所提供的缺陷检测设备的基本结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。
一种对缺陷的检测过程大致为：首先检测人员用肉眼观察CF基板的表面，将缺陷程严重或明显存在缺陷的CF基板作为不合格产品检出，然后将缺陷程度轻微或肉眼观察不到缺陷的CF基板，通过专业的测量设备，测量膜层厚度，得到基板上不同区域的膜厚差值，根据该膜厚差值来判定相应CF基板是否合格。
上述缺陷检测方法存在如下缺点：
(1)检测过程依赖检测人员的肉眼观察和自身经验，造成检测结果受人为因素影响较大，准确度较差，从而导致产品的良率下降。
(2)在实际检测过程中，大部分CF基板在经过人员观察检测后，无法判定是否合格，需要采用专业的测量设备测量膜厚，进行进一步的判定，这个过程周期很长，造成生产效率下降。
本发明实施例提供了一种缺陷检测方法，如图1所示，该缺陷检测方法包括以下步骤：
S1：获取待检测基板的灰阶图像。
作为一种可能的实现方式，请参见图2，上述步骤S1可包括以下步骤：
S11：拍摄待检测基板，得到其图像。
其中，待检测基板包括衬底基板，及覆盖于其上的薄膜，该薄膜通常为采用涂布工艺形成的透明薄膜，如CF基板中的OC膜，或CF基板中的进行光刻之前的PS膜，或CF基板或者TFT(Thin Film Transistor，薄膜晶体管)基板上其他采用涂布工艺形成的透明薄膜。这种薄膜由于形成工艺的限制，容易出现厚度不均的问题，因此需要对其进行缺陷检测，以考察其厚度均匀性，厚度均匀性越好的薄膜，其缺陷问题越轻微，或者不会出现缺陷问题，厚度均匀性越差的薄膜，其缺陷问题越严重。这里所说的缺陷问题主要包括Mura问题。
本发明实施例中的缺陷检测方法所针对的对象是可采用反射或折射的检测方法检测的基板，所谓“反射或折射的检测方法”是指利用光源照射待检测基板，使光线在待检测基板的透明薄膜中产生反射或折射，从而可拍摄其图像，然后根据拍摄得到的图像考察待检测基板的缺陷问题的一种检测方法。其中，光源可以位于照相装置相对于待检测基板的同侧，也可以位于对侧。
此外，拍摄待检测基板时可采用线性照相机(Line Camera)。
S12：将所得到的图像转换为灰阶图像。
如图3所示，为待检测基板的灰阶图像的局部图，包括第一区域、第二区域和第三区域。需要说明的是，这里将灰阶图像分成三个区域，仅仅是为了方便后续的说明，并没有特殊意义，实际上本步骤所得到的灰阶图像就是一整副的图像，并没有任何特殊标识。
S2：判断待检测基板的灰阶图像中是否存在灰阶异常区域，如果是，则确定该灰阶图像中的灰阶异常区域和灰阶正常区域，然后进入步骤S3；如果否，则判定待检测基板合格。
作为一种可能的实现方式，请参见图2，上述步骤S2可包括以下步骤：
S21：根据待检测基板的灰阶图像，获取该灰阶图像中各图像点的灰阶值。
以图3所示出的局部灰阶图像为例，对上述步骤S21进行详细说明，在该局部灰阶图像中，可获取每个图像单元(这里称拍摄待检测基板的相机的最小分辨单元为一个图像单元)灰阶，得到下表1中的数据：
表1
上表1中，每个数值代表一个图像单元的灰阶值，将每一列图像单元视作一个图像点，可得到如图4所示的曲线，该局部灰阶图像共包括20个图像点每个图像点的灰阶值为其对应的一列像素点的灰阶值的平均值。从曲线中我们能够看出，在第一区域和第三区域各图像点的灰阶值为128，在第二区域各图像点的灰阶值普遍高于第一区域和第三区域各图像点的灰阶值，且在第11个图像点灰阶值达到最高135。
需要说明的是，上表1中的图像单元的数量及其灰阶值均是示例，实际基板的灰阶图像中图像单元的数量可能远多于20，并且各个区域中各列图像单元的灰阶值可能不会像表1中所示的那样一致，可能会存在小范围的波动。
S22：判断该灰阶图像中各图像点的灰阶值是否正常：
(1)若存在灰阶值异常的图像点，则判定该灰阶图像中存在灰阶异常区域，确定灰阶值异常的图像点对应的区域为灰阶异常区域，灰阶值正常的图像点对应的区域为灰阶正常区域，然后进入步骤S3。
(2)若各图像点的灰阶值均正常，则判定该灰阶图像中不存在灰阶异常区域，然后判定待检测基板合格。
上述步骤S22的大致过程可为：
如图5所示，根据步骤S21中获取的各图像点的灰阶值，绘制灰阶值曲线。如图6所示，根据设定的移动平均值，绘制移动平均值曲线，以便对之前所绘制的灰阶值曲线进行平滑处理；其中，移动平均值的设定过程大致为：将灰阶图像划分成若干个小区域，求取每个小区域的灰阶平均值，作为对应图像点的设定的移动平均值。如图7所示，通过设定的上下限值，在设定的移动平均值曲线的基础上，分别绘制各图像点的灰阶值的上下限值曲线。
灰阶值曲线的各图像点中，位于上下限值曲线所限定的范围以内的图像点为灰阶值正常的图像点，位于上下限值曲线所限定的范围以外的图像点为灰阶值异常的图像点。
如果灰阶值曲线中有超过上下限值曲线所限定的范围的图像点，则说明待检测基板的灰阶图像存在灰阶值异常的图像点，因此可判定该灰阶图像存在灰阶异常区域，同时可确定灰阶值异常的图像点对应的区域为灰阶异常区域，灰阶值正常的图像点对应的区域为灰阶正常区域。如图7中圆圈所圈出的第6、7、11个图像点即为灰阶值异常的图像点，它们所对应的区域即为灰阶异常区域；相应的，其余在上下限曲线所限定的范围以内的图像点为灰阶值正常的图像点，它们所对应的区域即为灰阶正常区域。
如果灰阶值曲线中全部图像点均在上下限值曲线所限定的范围以内，则说明待检测基板的灰阶图像中全部图像点的灰阶值均正常，不存在灰阶值异常的图像点，因此可判定该灰阶图像不存在灰阶异常区域，从而可判定待检测基板合格。
需要说明的是，通过上述过程我们可以知道，被检出的灰阶值异常的图像点的数量，可通过设定的移动平均值及上下限值来控制。比如：若对缺陷检测的精度要求较高，则可将移动平均值及上下限值所确定的正常灰阶范围设定的较小。
此外，上述判断灰阶图像中是否存在灰阶异常区域，及确定灰阶图像中哪里为灰阶异常区域，哪里为灰阶正常区域的过程可由缺陷检查机，通过缺陷点检出程序来完成。
S3：计算待检测基板的灰阶图像中灰阶异常区域与灰阶正常区域的灰阶差值g。
作为一种可能的实现方式，请参见图2，上述步骤S3可包括以下步骤：
S31：找出待检测基板的灰阶图像中灰阶值异常的各图像点中的最大灰阶值，并计算灰阶值正常的各图像点的灰阶平均值。
S32：将灰阶值异常的各图像点中的灰阶最大值与灰阶值正常的各图像点的灰阶平均值作差，得到待检测基板的灰阶图像中灰阶异常区域与灰阶正常区域的灰阶差值g。
需要强调的是，由于后续需要根据灰阶差值g得到待检测基板的膜厚差估计值，然后据此对待检测基板是否合格进行判定，因此在上述步骤S32中，采用灰阶值异常的各图像点中的灰阶最大值进行灰阶差值g的计算，如果灰阶值异常的各图像点中灰阶差值最大的图像点对应的膜厚差值符合要求，那么灰阶值异常的其余图像点对应的膜厚差值也必然符合要求；而如果灰阶值异常的各图像点中灰阶差值最大的图像点对应的膜厚差值不符合要求，则可直接判定待检测基板不合格，从而能够提高检测合格的基板上薄膜厚度的均匀性，进而提高基板的良率。
以上仅介绍了一种计算灰阶差值g的方式，在本发明的其他实施例中，还可采用另外的计算方式，比如：计算灰阶值异常的各图像点的灰阶平均值与灰阶值正常的各图像点的灰阶平均值，将二者作差，得到灰阶差值g。
S4：根据待检测基板的灰阶图像中灰阶异常区域与灰阶正常区域的灰阶差值g，计算该灰阶图像中灰阶异常区域与灰阶正常区域的膜厚差估计值d。
作为一种可能的实现方式，请参见图2，上述步骤S4可包括以下步骤：
S41：获取关系系数x。其中，x表征样本数据中样本膜厚差值与样本灰阶差值之间的关系。
S42：根据d＝g×x，计算待检测基板的膜厚差估计值d。
其中，对于上述步骤S41，如图8所示，其具体过程可包括：
S411：采集N组样本数据，N≥2，每组样本数据包括样本膜厚差值di及其所对应的样本灰阶差值gi，i＝1～N，d1～dN各不相同。
在上述步骤S411中，对于样本数据的采集，可选择N块之前检测过的基板作为样品基板，收集这些基板的灰阶异常区域与灰阶正常区域的样本膜厚差值di及对应的样本灰阶差值gi，作为样本数据。
或者，可有针对性的制作N块样本膜厚差值为di的样品基板，N≥2，i＝1～N，也就是说，N块样品基板的膜厚差值分别为d1～dN，d1～dN各不相同。然后，获取每块样品基板的灰阶图像，计算每块样品基板的灰阶图像中灰阶异常区域与灰阶正常区域的样本灰阶差值gi。其中，获取样品基板的灰阶图像的方法可参见步骤S11～S12所述的过程。计算样品基板的灰阶差值gi的方法可参见步骤S31～S32所述的过程。
S412：根据xi＝di/gi，计算每组样本数据的样本关系系数xi。其中，xi表征对应组样本数据中样本膜厚差值di与样本灰阶差值gi之间的关系。
S413：根据N组样本数据的样本关系系数x1～xN，计算关系系数x。
如图9所示，对于上述步骤S413，可通过如下两步实现：
S4131：设定至少一个灰阶差值的判定区间，各判定区间的合集为一连续的数值范围，且各判定区间的合集覆盖N组样本数据的样本灰阶差值g1～gN。
在上述步骤中，判定区间的端点值可等间隔设定，如：5、10、15、20等。判定区间的端点值也可根据产线上对基板的过往检测数据进行划分，比如：过往的检测数据表明，0～5之内的灰阶差值所对应的膜厚差值基本都是符合要求的，5～20之内的灰阶差值所对应的膜厚差值符合要求的几率较大，20～50之内的灰阶差值所对应的膜厚差值不符合要求的风险较大，大于50的灰阶差值所对应的膜厚差值基本全部不符合要求，因此可将判定区间设置为：[0，5]；(5，20]；(20，50]；(50，+≦)。需要指出的是，判定区间的设置数量可根据实际对检测结果的准确度的要求而定，若对检测结果的准确度要求较高，则可多设置一些判定区间，这样后续能够得到更精确的基板缺陷程度。
以上仅仅介绍了设定多个判定区间的情况，当然也可以设定一个判定区间，如：[0，+≦)。或者，可将判定区间的下限值设定为：基板的灰阶正常区域所允许的灰阶最大波动幅度值，同时可将判定范围的上限值设定为：基板的膜厚差值等于基板上薄膜的厚度均值时所对应的灰阶差值。例如：可将判定区间设定为[3，50]，灰阶差值低于3，不能反映膜厚差值对灰阶值影响的规则，可认为是灰阶值的正常波动；灰阶差值高于50，对应的膜厚差值远大于工艺要求的膜厚差值的阈值0.05μm，该阈值通常设定为等于薄膜的厚度值，无太大实际参考意义。
S4132：对于每个判定区间，计算落入该判定区间的样本灰阶差值gi所对应的全部样本关系系数xi的平均值，得到该判定区间对应的关系系数x。
需要说明的是，若在步骤S4131中设定了多个判定区间，那么在本步骤中，每个判定区间均能够得到对应的关系系数x。若在在步骤S4131中仅设定了一个判定区间，那么在本步骤中，全部样本灰阶差值gi均落入该判定区间，则关系系数x为x1～xN的平均值。
对于步骤S42，根据上面步骤S41的具体过程的描述可知关系系数x是根据每组样本数据的样本关系系数xi计算得到的，而样本关系系数xi是根据对应组样本数据的样本膜厚差值di与样本灰阶差值gi相除得到的商求得的，因此在上述步骤S42中，已知待检测基板的灰阶差值g，及关系系数x，根据d＝g×x，能够计算得到待检测基板的灰阶图像中灰阶异常区域与灰阶正常区域的膜厚差估计值d。
基于上述步骤S31中计算关系系数x的实现方式一，每个灰阶差值的判定区间均单独对应一个关系系数x，从而上述步骤S32的具体过程可为：确定待检测基板的灰阶差值g所属的判定区间，然后确定该判定区间对应的x；根据d＝g×x，计算d，其中，x为前面所确定的x。这样计算得到的待检测基板的膜厚差估计值d更接近其膜厚差实际值，从而有利于判断待检测基板是否合格的准确度。
S5：根据计算得到的待检测基板的膜厚差估计值d，判断待检测基板是否合格。
作为一种可能的实现方式，请参见图2，上述步骤S5可包括以下步骤：
S51：确定膜厚差估计值d的允许的波动范围为d-y～d+y。其中，y为补偿系数，其表征膜厚差估计值d相对于待检测基板的膜厚差实际值d′的允许的误差值。
实际上，y值是一个比较小的数值，可根据实际对缺陷检测的精度要求而定：若精度要求较高，则可将y值设定的较小；若精度要求较低，则可将y值设定的较小。
在上述步骤S51中，通过设定膜厚差估计值d的波动范围，可使对待检测基板合格性的进行判断的依据(即波动范围d-y～d+y)更贴近待检测基板上薄膜差异的实际情况，从而可提高后续对待检测基板合格性的判断的有效性和准确性。
S52：将该波动范围d-y～d+y与预设的膜厚差阈值dmax进行比对，会出现以下三种结果，其中，dmax为基板在合格的情况下所允许的最大膜厚差值：
结果一：若d+y≤dmax，说明待检测基板的膜厚差估计值d即便向上波动y，仍然小于或等于膜厚差阈值dmax，待检测基板的膜厚差实际值d′小于或等于膜厚差阈值dmax的几率很大，则可判定待检测基板合格。
结果二：若d-y＞dmax，说明待检测基板的膜厚差估计值d即便向下波动y，仍然大于膜厚差阈值dmax，待检测基板的膜厚差实际值d′大于膜厚差阈值dmax的几率很大，则可判定待检测基板不合格。在判定不合格时，可自动进行警报，以提示工作人员。
结果三：若d-y≤dmax且d+y＞dmax，说明待检测基板的膜厚差实际值d′小于或等于膜厚差阈值dmax的几率，和大于膜厚差阈值dmax的几率都不算大。这种情况下，则可进一步对待检测基板的膜厚差实际值d'进行测量，然后比较d'与dmax：若d'≤dmax，则判定待检测基板合格；若d'＞dmax，则判定待检测基板不合格。
需要说明的是，经过前面求解膜厚差估计值d，并据此对待检测基板是否合格进行判断的一系列过程，绝大多数待检测基板均能够被确定是否合格，最终出现结果三的情况的待检测基板数量极少，因此虽然在结果三的情况下，需要测量待检测基板的膜厚差实际值d'，对生产效率的影响也不大。
此外，出现结果三的情况说明前面对灰阶差值的判定区间的设定、对膜厚差估计值d的允许的波动范围的设定等参数可能存在不合理的问题，因此可适当调整上述参数，以便再次对待检测基板进行缺陷检测时，避免结果三的情况的出现，进一步提高检测的准确度，节约检测时间。
需要说明的是，本实施例所提供的缺陷检测方法中的步骤序号仅仅是为了方便描述进行的编号，并不代表实际的步骤次序。本领域技术人员在获悉了本发明实施例的技术方案之后，有能力对步骤次序进行调整，这应当属于本发明所公开的范围。
通过上述步骤S1～S5所提供的缺陷检测方法，能够计算得到待检测基板的灰阶异常区域与灰阶正常区域的膜厚差估计值，从而根据该膜厚差估计值对待检测基板是否合格进行判断，实现了对待检测基板的自动检测判断，无需检测人员凭肉眼观察待检测基板再依赖经验进行判断，并且通过计算出确切的膜厚差估计值来进行判断，极大地提高了缺陷检测准确度，提升了产品良率。同时，对于人员观察无法判定是够合格的基板，省去了采用测量设备测量膜厚的步骤，极大地节约了检测时间，从而提高了生产效率。
基于上述缺陷检测方法，本实施例还提供了一种缺陷检测设备，如图10所示，该检测设备包括：依次相连的灰阶图像获取模块10、第一判断模块20、计算模块30和第二判断模块40。
其中，灰阶图像获取模块10用于获取待检测基板的灰阶图像。灰阶图像获取模块10例如可为线性照相机等拍摄设备。获取灰阶图像的具体过程可参见上述缺陷检测方法中的步骤S1的相关描述。
第一判断模块20与灰阶图像获取模块10相连，用于判断灰阶图像获取模块10所获取的灰阶图像中是否存在灰阶异常区域：在灰阶图像中存在灰阶异常区域时，确定灰阶图像中的灰阶异常区域和灰阶正常区域；在灰阶图像中不存在灰阶异常区域时，判定待检测基板合格。第一判断模块20的该工作过程可参见上述缺陷检测方法中的步骤S2的相关描述。
计算模块30与第一判断模块20相连，用于在待检测基板的灰阶图像中存在灰阶异常区域时，计算灰阶异常区域与灰阶正常区域的灰阶差值g，并根据灰阶差值g，计算灰阶异常区域与灰阶正常区域的膜厚差估计值d。计算灰阶差值g进而计算膜厚差估计值d的具体过程可参见上述缺陷检测方法中的步骤S3和S4的相关描述。
第二判断模块40与计算模块30相连，用于根据膜厚差估计值d，判断待检测基板是否合格。判断的具体过程可参见上述缺陷检测方法中的步骤S5的相关描述。此外，还可在第二判断模块40中设置一警报器，以在第二判断模块40判定待检测基板不合格时进行警报。
请继续参见图9，上述缺陷检测设备还可包括存储模块50，存储模块50与计算模块30相连，用于存储关系系数x，以供计算模块30计算待检测基板的膜厚差估计值d时使用。
基于此，计算模块30具体用于计算待检测基板的灰阶异常区域与灰阶正常区域的灰阶差值g，然后从存储模块50中读取关系系数x，根据d＝g×x，计算灰阶异常区域与灰阶正常区域的膜厚差估计值d。
下面结合本实施例所提供的缺陷检测方法和缺陷检测设备，对本实施中的技术方案进行示例性地介绍。
首先，在缺陷检测设备的存储模块50中导入预先计算或设定好的判断依据数据，该判断依据数据包括：灰阶差值的判定区间、关系系数x、补正系数y、膜厚差估计值的波动范围、及基板合格性判定条件；并且，为了提高缺陷检测的准确度，针对不同类型的缺陷，判断依据数据对应确定。如下表2和表3所示，表2中为线状Mura对应的判断依据数据，表3中为点状Mura对应的判断依据数据。
表2
表3
然后，缺陷检测设备的灰阶图像获取模块10获取待检测基板的灰阶图像，第一判断模块20判断该灰阶图像中是否存在灰阶值异常的图像点，若有，则判断该灰阶图像中存在灰阶异常区域，灰阶值异常的图像点所对应的区域即为灰阶图像的灰阶异常区域，灰阶值正常的区域即为灰阶图像的灰阶正常区域。并且，第一判断模块20还根据灰阶值异常的图像点的分布状况，确定待检测基板上相应区域所存在的缺陷是线状Mura还是点状Mura。
假如是线状Mura，则缺陷检测设备的计算模块30计算灰阶异常区域与灰阶正常区域的灰阶差值g，从线状Mura对应的表格中找出计算得到的灰阶差值g所在的判定区间所对应的关系系数x，计算待检测基板的灰阶异常区域与灰阶正常区域的膜厚差估计值d。
最后，缺陷检测设备的第二判断模块40确定计算得到的灰阶差值g所在的判定区间所对应的补正系数y，确定膜厚差估计值d的波动范围，根据该波动范围及线状Mura对应的表格中的基板合格性判定条件，判断待检测基板是否合格。需要指出的是，对于判断结果为“待定”的基板，处理措施参见上述缺陷检测方法的步骤S52中结果三的相关描述。
基于上述缺陷检测方法，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序配置为被处理器执行时，能够实现如第一方面所述的缺陷检测方法的各步骤。
上述计算机可读存储介质所能产生的有益效果与第一方面所提供的缺陷检测方法的有益效果相同，此处不再赘述。
基于上述缺陷检测方法，本公开实施例还提供了一种计算机设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，能够实现如第一方面所述的缺陷检测方法的各步骤。
以上所述仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (13)

1.一种缺陷检测方法，其特征在于，所述缺陷检测方法包括以下步骤：
S1：获取待检测基板的灰阶图像；
S2：判断所述灰阶图像中是否存在灰阶异常区域，如果是，则确定所述灰阶图像中的灰阶异常区域和灰阶正常区域，然后进入步骤S3；如果否，则判定所述待检测基板合格；
S3：计算所述灰阶异常区域与所述灰阶正常区域的灰阶差值g；
S4：根据所述灰阶差值g，计算所述灰阶异常区域与所述灰阶正常区域的膜厚差估计值d；
S5：根据所述膜厚差估计值d，判断所述待检测基板是否合格。
2.根据权利要求1所述的缺陷检测方法，其特征在于，步骤S4包括：
S41：获取关系系数x；其中，所述关系系数x表征样本数据中样本膜厚差值与样本灰阶差值之间的关系；
S42：根据d＝g×x，计算所述膜厚差估计值d。
3.根据权利要求2所述的缺陷检测方法，其特征在于，步骤S41包括：
S411：采集N组样本数据，N≥2，每组所述样本数据包括样本膜厚差值di及其所对应的样本灰阶差值gi，i＝1～N，d1～dN各不相同；
S412：根据xi＝di/gi，计算每组所述样本数据的样本关系系数xi；其中，xi表征对应组样本数据中样本膜厚差值di与样本灰阶差值gi之间的关系；
S413：根据N组所述样本数据的样本关系系数x1～xN，计算所述关系系数x。
4.根据权利要求3所述的缺陷检测方法，其特征在于，步骤S413包括：
S4131：设定至少一个灰阶差值的判定区间，各所述判定区间的合集为一连续的数值范围，且各所述判定区间的合集覆盖N组所述样本数据的样本灰阶差值g1～gN；
S4132：对于每个所述判定区间，计算落入该判定区间的样本灰阶差值gi所对应的全部样本关系系数xi的平均值，得到该判定区间对应的关系系数x。
5.根据权利要求4所述的缺陷检测方法，其特征在于，在步骤S42之前，包括：确定所述灰阶差值g所属的判定区间，然后确定该判定区间对应的关系系数x。
6.根据权利要求1～5任一项所述的缺陷检测方法，其特征在于，步骤S5包括：
S51：确定所述膜厚差估计值d的波动范围d-y～d+y；其中，y为补偿系数，其表征所述膜厚差估计值d相对于所述待检测基板的膜厚差实际值d′的允许的误差值；
S52：将该波动范围与预设的膜厚差阈值dmax进行比对：
若d+y≤dmax，则判定所述待检测基板合格；
若d-y＞dmax，则判定所述待检测基板不合格；
若d-y≤dmax且d+y＞dmax，则测量所述膜厚差实际值d'，然后比较所述膜厚差实际值d'与所述膜厚差阈值dmax，若d'≤dmax，则判定所述待检测基板合格；若d'＞dmax，则判定所述待检测基板不合格；
其中，所述膜厚差阈值dmax为基板在合格的情况下所允许的最大膜厚差值。
7.根据权利要求1～5任一项所述的缺陷检测方法，其特征在于，步骤S1包括：
S11：拍摄所述待检测基板，得到其图像；
S12：将所得到的图像转换为灰阶图像。
8.根据权利要求1～5任一项所述的缺陷检测方法，其特征在于，步骤S2包括：
S21：根据所述待检测基板的灰阶图像，获取该灰阶图像中各图像点的灰阶值；
S22：判断各图像点的灰阶值是否正常，若存在灰阶值异常的图像点，则判定所述灰阶图像中存在灰阶异常区域，确定灰阶值异常的图像点对应的区域为灰阶异常区域，灰阶值正常的图像点对应的区域为灰阶正常区域，然后进入步骤S3；若各图像点的灰阶值均正常，则判定所述灰阶图像中不存在灰阶异常区域，然后判定所述待检测基板合格。
9.根据权利要求1～5所述的缺陷检测方法，其特征在于，步骤S3包括：
S31：找出灰阶值异常的各图像点中的最大灰阶值，并计算灰阶正常的各图像点的灰阶平均值；
S32：将所述灰阶最大值与所述灰阶平均值作差，得到所述灰阶差值g。
10.一种缺陷检测设备，其特征在于，所述缺陷检测设备包括：
灰阶图像获取模块，用于获取待检测基板的灰阶图像；
与所述灰阶图像获取模块相连的第一判断模块，用于判断所述灰阶图像中是否存在灰阶异常区域：在所述灰阶图像中存在灰阶异常区域时，确定所述灰阶图像中的灰阶异常区域和灰阶正常区域；在所述灰阶图像中不存在灰阶异常区域时，判定所述待检测基板合格；
与所述第一判断模块相连的计算模块，用于计算所述灰阶异常区域与所述灰阶正常区域的灰阶差值g，并根据所述灰阶差值g，计算所述灰阶异常区域与所述灰阶正常区域的膜厚差估计值d；
与所述计算模块相连的第二判断模块，用于根据所述膜厚差估计值d，判断所述待检测基板是否合格。
11.根据权利要求10所述的缺陷检测设备，其特征在于，所述缺陷检测设备还包括：与所述计算模块相连的存储模块，用于存储关系系数x；其中，x表征样本数据中样本膜厚差值与样本灰阶差值之间的关系；
所述计算模块具体用于计算所述灰阶异常区域与所述灰阶正常区域的灰阶差值g，然后从所述存储模块中读取所述关系系数x，根据d＝g×x，计算所述灰阶异常区域与所述灰阶正常区域的膜厚差估计值d。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序配置为被处理器执行时，能够实现如权利要求1～9任一项所述的缺陷检测方法的各步骤。
13.一种计算机设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，能够实现如权利要求1～9任一项所述的缺陷检测方法的各步骤。
CN201810060335.0A 2018-01-22 2018-01-22 缺陷检测方法及缺陷检测设备 Active CN108387587B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810060335.0A CN108387587B (zh) 2018-01-22 2018-01-22 缺陷检测方法及缺陷检测设备
US16/189,352 US10872407B2 (en) 2018-01-22 2018-11-13 Method and apparatus for detecting defects, and computer readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810060335.0A CN108387587B (zh) 2018-01-22 2018-01-22 缺陷检测方法及缺陷检测设备

Publications (2)

Publication Number Publication Date
CN108387587A true CN108387587A (zh) 2018-08-10
CN108387587B CN108387587B (zh) 2020-07-31

Family

ID=63077113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810060335.0A Active CN108387587B (zh) 2018-01-22 2018-01-22 缺陷检测方法及缺陷检测设备

Country Status (2)

Country Link
US (1) US10872407B2 (zh)
CN (1) CN108387587B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109374632A (zh) * 2018-10-08 2019-02-22 惠科股份有限公司 一种显示面板的检测方法及系统
CN109556831A (zh) * 2018-11-27 2019-04-02 惠科股份有限公司 彩色滤光片的检测方法及其装置和计算机可读存储介质
CN109580632A (zh) * 2018-11-23 2019-04-05 京东方科技集团股份有限公司 一种缺陷确定方法、装置及存储介质
CN109727233A (zh) * 2018-12-18 2019-05-07 武汉精立电子技术有限公司 一种lcd缺陷检测方法
CN110379511A (zh) * 2019-05-27 2019-10-25 夏茂 一种关于体质监测数据的分析及预警方法
CN110428411A (zh) * 2019-07-31 2019-11-08 武汉精立电子技术有限公司 一种基于二次曝光的背光板检测方法及系统
CN110441501A (zh) * 2019-06-27 2019-11-12 北海惠科光电技术有限公司 一种检测方法和检测系统
CN110991082A (zh) * 2019-12-19 2020-04-10 信利(仁寿)高端显示科技有限公司 一种基于准分子激光退火的Mura的量化方法
CN111061104A (zh) * 2019-12-30 2020-04-24 Tcl华星光电技术有限公司 阵列基板缺陷的修补方法及存储介质
CN111179795A (zh) * 2020-02-19 2020-05-19 京东方科技集团股份有限公司 显示面板的检测方法及其装置
CN111189389A (zh) * 2020-01-08 2020-05-22 逸美德科技股份有限公司 棱线损坏程度的检测方法及其装置
CN112184019A (zh) * 2020-09-28 2021-01-05 广船国际有限公司 一种喷漆工人的喷涂技能评定方法
CN112394069A (zh) * 2020-12-04 2021-02-23 深圳市华星光电半导体显示技术有限公司 显示面板的异常检测方法及装置
CN112630234A (zh) * 2019-10-08 2021-04-09 由田新技股份有限公司 光致抗蚀剂料片缺陷检测系统及其方法
CN113049607A (zh) * 2021-03-30 2021-06-29 上海华力微电子有限公司 监控特殊形貌颗粒缺陷的方法
CN113592811A (zh) * 2021-07-29 2021-11-02 常州大学 一种基于图像处理的熔喷布厚度一致性检测方法
CN114112323A (zh) * 2021-11-08 2022-03-01 云谷（固安）科技有限公司 显示面板显示均匀性的检测方法及检测装置
CN115082841A (zh) * 2022-08-22 2022-09-20 山东海拓天宇智能机器人有限公司 一种仓储物流机器人工作区域异常监测方法
CN115578462A (zh) * 2022-11-18 2023-01-06 深圳市全正科技有限公司 应用于显示屏光学薄膜自动对贴的机器视觉定位控制系统
CN117073602A (zh) * 2023-08-25 2023-11-17 广州兰泰仪器有限公司 一种涂层智能测厚方法及系统

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108387587B (zh) * 2018-01-22 2020-07-31 京东方科技集团股份有限公司 缺陷检测方法及缺陷检测设备
CN110689533B (zh) * 2019-09-27 2022-02-08 中国科学院自动化研究所 板材包边缺陷检测方法、系统、装置
TWI712788B (zh) * 2019-11-14 2020-12-11 勝麗國際股份有限公司 感測器封裝結構的缺陷檢測方法
CN112991243B (zh) * 2019-12-17 2023-08-25 中国科学院沈阳自动化研究所 均匀目标表面缺陷检测灰度照度补偿方法
CN113418918B (zh) * 2020-07-31 2022-04-15 深圳市比亚迪锂电池有限公司 极片开槽检测方法及装置
CN112033965B (zh) * 2020-09-07 2024-02-20 大连耐视科技有限公司 基于差分图像分析的3d弧形表面缺陷检测方法
CN112285067A (zh) * 2020-10-22 2021-01-29 山东卓俊实业有限公司 一种制备高均匀性样品薄膜的方法
CN113063793B (zh) * 2021-03-25 2022-01-07 中山大学 一种钛合金表面涂层服役情况的图形化处理分析方法及其应用
CN113554637B (zh) * 2021-07-30 2022-06-07 上海集成电路制造创新中心有限公司 相机盖板的脏污检测方法及检测装置
CN113673542B (zh) * 2021-10-23 2022-02-08 深圳希研工业科技有限公司 基于物联网的快递包裹破损识别方法及系统
CN113744274B (zh) * 2021-11-08 2022-02-08 深圳市巨力方视觉技术有限公司 产品外观缺陷检测方法、装置及存储介质
CN114359416B (zh) * 2022-03-17 2022-06-07 山东水利建设集团有限公司 一种建筑物外墙空鼓渗漏异常检测及定位方法
CN114820617B (zh) * 2022-06-29 2022-09-20 苏州大学 基于四焦距相位相干机器视觉的晶体缺陷检测方法和系统
CN115082467B (zh) * 2022-08-22 2022-11-18 山东亿昌装配式建筑科技有限公司 基于计算机视觉的建材焊接表面缺陷检测方法
CN115100203B (zh) * 2022-08-25 2022-11-18 山东振鹏建筑钢品科技有限公司 一种钢筋打磨除锈质量检测方法
CN115375688B (zh) * 2022-10-25 2023-04-28 苏州德斯米尔智能科技有限公司 一种用于带式输送设备的自动检测方法
CN115601368B (zh) * 2022-12-16 2023-05-16 山东天意高科技有限公司 一种建材装备钣金件缺陷检测方法
CN116012330B (zh) * 2022-12-28 2023-10-20 广州市易鸿智能装备有限公司 一种极片的缺陷检测方法、装置、设备和计算机存储介质
CN115880284B (zh) * 2023-02-06 2023-05-09 卡松科技股份有限公司 一种用于润滑油磨粒均匀度的检测方法及系统
CN116245848B (zh) * 2023-03-09 2023-09-19 北京华夏视科技术股份有限公司 一种产品缺陷检测方法及相关设备
CN116152242B (zh) * 2023-04-18 2023-07-18 济南市莱芜区综合检验检测中心 一种篮球用天然皮革缺陷可视化检测系统
CN116337879B (zh) * 2023-05-23 2023-08-04 青岛豪迈电缆集团有限公司 一种电缆绝缘表皮磨损缺陷快速检测方法
CN116309600B (zh) * 2023-05-24 2023-08-04 山东金佳成工程材料有限公司 基于图像处理的环保纺织品质量检测方法
CN116402827B (zh) * 2023-06-09 2023-08-11 山东华禹威达机电科技有限公司 基于图像处理的采煤机用电缆夹板缺陷检测方法及装置
CN116630316B (zh) * 2023-07-24 2023-09-26 山东舜云信息科技有限公司 一种基于视频分析的皮带疲劳检测报警方法及报警系统
CN116703931B (zh) * 2023-08-09 2023-10-24 山东津庭名企建材有限公司 一种用于建筑高分子材料的表面银纹检测方法
CN116758084B (zh) * 2023-08-21 2023-10-13 金恒山电气无锡有限公司 基于图像数据的钣金件焊接缺陷智能检测方法
CN116862908B (zh) * 2023-09-01 2023-11-24 菏泽学院 一种基于图像处理的金属齿轮啮合缺陷检测方法
CN116843692B (zh) * 2023-09-04 2023-12-01 青岛冠宝林活性炭有限公司 基于人工智能的再生活性炭状态检测方法
CN117274722B (zh) * 2023-11-21 2024-01-26 深圳市咏华宇电子有限公司 基于红外图像的配电箱智能检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6674890B2 (en) * 1997-10-29 2004-01-06 Hitachi, Ltd. Defect inspection method and apparatus therefor
CN101210890A (zh) * 2006-12-28 2008-07-02 夏普株式会社 缺陷检测装置及方法、图像传感器器件和模块
CN102735688A (zh) * 2012-06-20 2012-10-17 上海华力微电子有限公司 一种缺陷检测方法
CN103885218A (zh) * 2014-03-13 2014-06-25 京东方科技集团股份有限公司 一种基板的检测方法及检测装置
JP2015203570A (ja) * 2014-04-10 2015-11-16 キヤノン株式会社 膜厚測定装置および膜厚測定方法
KR20170067079A (ko) * 2015-12-07 2017-06-15 에이피시스템 주식회사 얼룩결함 검사장치 및 얼룩결함 검사방법
CN107402218A (zh) * 2017-09-25 2017-11-28 武汉华星光电技术有限公司 Cf基板的微观缺陷检测方法、装置及设备
CN107515481A (zh) * 2017-08-29 2017-12-26 惠科股份有限公司 一种显示面板的检测方法和装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6221787B1 (en) * 1998-04-20 2001-04-24 Tokyo Electron Limited Apparatus and method of forming resist film
US6630996B2 (en) * 2000-11-15 2003-10-07 Real Time Metrology, Inc. Optical method and apparatus for inspecting large area planar objects
US6839463B1 (en) * 2000-12-22 2005-01-04 Microsoft Corporation System and method providing subpixel-edge-offset-based determination of opacity
JP2005083800A (ja) * 2003-09-05 2005-03-31 Hitachi Ltd 欠陥検査方法及び欠陥検査装置
JP4647510B2 (ja) * 2006-02-08 2011-03-09 東京エレクトロン株式会社 基板の欠陥検査方法及びプログラム
US7664608B2 (en) * 2006-07-14 2010-02-16 Hitachi High-Technologies Corporation Defect inspection method and apparatus
JP4928862B2 (ja) * 2006-08-04 2012-05-09 株式会社日立ハイテクノロジーズ 欠陥検査方法及びその装置
WO2011135867A1 (ja) * 2010-04-30 2011-11-03 株式会社ニコン 検査装置および検査方法
CN103365073B (zh) * 2012-04-10 2015-07-01 中国科学院微电子研究所 极紫外光刻掩模缺陷检测系统
JP6035279B2 (ja) * 2014-05-08 2016-11-30 東京エレクトロン株式会社 膜厚測定装置、膜厚測定方法、プログラム及びコンピュータ記憶媒体
TWI627588B (zh) * 2015-04-23 2018-06-21 日商思可林集團股份有限公司 檢查裝置及基板處理裝置
CN105137670A (zh) * 2015-09-25 2015-12-09 京东方科技集团股份有限公司 液晶滴注系统及控制方法
CN108387587B (zh) * 2018-01-22 2020-07-31 京东方科技集团股份有限公司 缺陷检测方法及缺陷检测设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6674890B2 (en) * 1997-10-29 2004-01-06 Hitachi, Ltd. Defect inspection method and apparatus therefor
CN101210890A (zh) * 2006-12-28 2008-07-02 夏普株式会社 缺陷检测装置及方法、图像传感器器件和模块
CN102735688A (zh) * 2012-06-20 2012-10-17 上海华力微电子有限公司 一种缺陷检测方法
CN103885218A (zh) * 2014-03-13 2014-06-25 京东方科技集团股份有限公司 一种基板的检测方法及检测装置
JP2015203570A (ja) * 2014-04-10 2015-11-16 キヤノン株式会社 膜厚測定装置および膜厚測定方法
KR20170067079A (ko) * 2015-12-07 2017-06-15 에이피시스템 주식회사 얼룩결함 검사장치 및 얼룩결함 검사방법
CN107515481A (zh) * 2017-08-29 2017-12-26 惠科股份有限公司 一种显示面板的检测方法和装置
CN107402218A (zh) * 2017-09-25 2017-11-28 武汉华星光电技术有限公司 Cf基板的微观缺陷检测方法、装置及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
R. VAN DIJK等: "Gray Scales for Video Applications on Electrowetting Displays", 《SID 06 DIGEST》 *
张铁轶等: "自动光学检测的彩膜分区检查与判定", 《液晶显示》 *

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109374632A (zh) * 2018-10-08 2019-02-22 惠科股份有限公司 一种显示面板的检测方法及系统
CN109580632B (zh) * 2018-11-23 2021-03-30 京东方科技集团股份有限公司 一种缺陷确定方法、装置及存储介质
CN109580632A (zh) * 2018-11-23 2019-04-05 京东方科技集团股份有限公司 一种缺陷确定方法、装置及存储介质
CN109556831A (zh) * 2018-11-27 2019-04-02 惠科股份有限公司 彩色滤光片的检测方法及其装置和计算机可读存储介质
CN109727233A (zh) * 2018-12-18 2019-05-07 武汉精立电子技术有限公司 一种lcd缺陷检测方法
CN110379511A (zh) * 2019-05-27 2019-10-25 夏茂 一种关于体质监测数据的分析及预警方法
CN110379511B (zh) * 2019-05-27 2022-03-11 康岁医院投资管理有限公司 一种关于体质监测数据的分析及预警方法
CN110441501A (zh) * 2019-06-27 2019-11-12 北海惠科光电技术有限公司 一种检测方法和检测系统
CN110428411A (zh) * 2019-07-31 2019-11-08 武汉精立电子技术有限公司 一种基于二次曝光的背光板检测方法及系统
CN112630234A (zh) * 2019-10-08 2021-04-09 由田新技股份有限公司 光致抗蚀剂料片缺陷检测系统及其方法
CN110991082A (zh) * 2019-12-19 2020-04-10 信利(仁寿)高端显示科技有限公司 一种基于准分子激光退火的Mura的量化方法
CN110991082B (zh) * 2019-12-19 2023-11-28 信利(仁寿)高端显示科技有限公司 一种基于准分子激光退火的Mura的量化方法
CN111061104A (zh) * 2019-12-30 2020-04-24 Tcl华星光电技术有限公司 阵列基板缺陷的修补方法及存储介质
CN111189389A (zh) * 2020-01-08 2020-05-22 逸美德科技股份有限公司 棱线损坏程度的检测方法及其装置
CN111179795A (zh) * 2020-02-19 2020-05-19 京东方科技集团股份有限公司 显示面板的检测方法及其装置
CN111179795B (zh) * 2020-02-19 2023-07-21 京东方科技集团股份有限公司 显示面板的检测方法及其装置
CN112184019A (zh) * 2020-09-28 2021-01-05 广船国际有限公司 一种喷漆工人的喷涂技能评定方法
CN112184019B (zh) * 2020-09-28 2023-08-08 广船国际有限公司 一种喷漆工人的喷涂技能评定方法
CN112394069A (zh) * 2020-12-04 2021-02-23 深圳市华星光电半导体显示技术有限公司 显示面板的异常检测方法及装置
CN113049607A (zh) * 2021-03-30 2021-06-29 上海华力微电子有限公司 监控特殊形貌颗粒缺陷的方法
CN113049607B (zh) * 2021-03-30 2024-04-26 上海华力微电子有限公司 监控特殊形貌颗粒缺陷的方法
CN113592811A (zh) * 2021-07-29 2021-11-02 常州大学 一种基于图像处理的熔喷布厚度一致性检测方法
CN113592811B (zh) * 2021-07-29 2023-08-22 常州大学 一种基于图像处理的熔喷布厚度一致性检测方法
CN114112323A (zh) * 2021-11-08 2022-03-01 云谷（固安）科技有限公司 显示面板显示均匀性的检测方法及检测装置
CN114112323B (zh) * 2021-11-08 2024-03-22 云谷（固安）科技有限公司 显示面板显示均匀性的检测方法及检测装置
CN115082841B (zh) * 2022-08-22 2022-11-04 山东海拓天宇智能机器人有限公司 一种仓储物流机器人工作区域异常监测方法
CN115082841A (zh) * 2022-08-22 2022-09-20 山东海拓天宇智能机器人有限公司 一种仓储物流机器人工作区域异常监测方法
CN115578462A (zh) * 2022-11-18 2023-01-06 深圳市全正科技有限公司 应用于显示屏光学薄膜自动对贴的机器视觉定位控制系统
CN115578462B (zh) * 2022-11-18 2023-03-07 深圳市全正科技有限公司 应用于显示屏光学薄膜自动对贴的机器视觉定位控制系统
CN117073602B (zh) * 2023-08-25 2024-03-22 广州兰泰仪器有限公司 一种涂层智能测厚方法及系统
CN117073602A (zh) * 2023-08-25 2023-11-17 广州兰泰仪器有限公司 一种涂层智能测厚方法及系统

Also Published As

Publication number Publication date
CN108387587B (zh) 2020-07-31
US10872407B2 (en) 2020-12-22
US20190228515A1 (en) 2019-07-25

Similar Documents

Publication Publication Date Title
CN108387587A (zh) 缺陷检测方法及缺陷检测设备
CN101655614B (zh) 液晶显示面板云纹缺陷的检测方法和检测装置
CN100454006C (zh) 一种基于机器视觉的液晶显示器斑痕缺陷检测方法与系统
CN103558229B (zh) 一种tft-lcd制程的mura视觉自动检测方法及装置
CN102165288B (zh) 使用影像在时间上的像素的浓度分布变化的液体边界面识别方法和使用该方法的液体高度识别装置
CN104464637B (zh) 一种显示面板的缺陷的灰阶补偿方法及灰阶补偿系统
CN101840078B (zh) 水波纹级别测试方法
WO2022088096A1 (zh) 缺陷实际面积的检测方法、显示面板的检测方法及装置
CN108592948A (zh) 一种管水准器气泡偏移量自动测量方法
CN104613883A (zh) 金属薄板印刷涂层的湿膜厚度差分测量及均匀性评估方法
CN109949725A (zh) 一种aoi系统图像灰度标准化方法及系统
CN116342597B (zh) 一种汽车配件表面电镀加工缺陷检测方法和系统
CN104252056A (zh) 一种基板的检测方法及装置
CN109406529A (zh) 一种aoi缺陷检测系统的性能调节方法
CN112465774A (zh) 一种基于人工智能的气密性测试中的气孔定位方法及系统
WO2020164201A1 (zh) Tft阵列基板的缺陷检测方法
CN109426013B (zh) 一种彩膜基板缺陷的分析方法、检测修复方法及装置
CN116416246B (zh) 基于机器视觉的全降解塑料制品淋膜效果评价方法
CN101672631B (zh) 平面光学元件的面形偏差测量方法
CN110193673B (zh) 振镜式激光加工的网格分区域补偿方法
CN109751959B (zh) 线宽测量方法
CN108061983B (zh) 配向膜边界到显示区的距离的测量方法及测量装置
CN106323184A (zh) 一种滑移汽泡直径三维动态测量方法
Mori et al. Extraction and evaluation of mura in liquid crystal displays
CN116523925B (zh) 一种聚氨酯生产异常识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant