CN108445020A - 一种玻璃基板缺陷聚集识别方法 - Google Patents

一种玻璃基板缺陷聚集识别方法 Download PDF

Info

Publication number
CN108445020A
CN108445020A CN201810098295.9A CN201810098295A CN108445020A CN 108445020 A CN108445020 A CN 108445020A CN 201810098295 A CN201810098295 A CN 201810098295A CN 108445020 A CN108445020 A CN 108445020A
Authority
CN
China
Prior art keywords
defect
glass substrate
aggregation
rectangle frame
rectangle
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
CN201810098295.9A
Other languages
English (en)
Other versions
CN108445020B (zh
Inventor
焦宗平
王刚
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.)
Irico Display Devices Co Ltd
Original Assignee
Irico Display Devices 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 Irico Display Devices Co Ltd filed Critical Irico Display Devices Co Ltd
Priority to CN201810098295.9A priority Critical patent/CN108445020B/zh
Publication of CN108445020A publication Critical patent/CN108445020A/zh
Application granted granted Critical
Publication of CN108445020B publication Critical patent/CN108445020B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958Inspecting transparent materials or objects, e.g. windscreens

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种玻璃基板缺陷聚集识别方法,能够在制造玻璃基板的过程中进行缺陷聚集检测识别,从而及时发现问题,排出故障,以在实际生产中控制玻璃基板质量。识别方法包括:将玻璃基板的检测影像置于一个坐标系中,为玻璃基板上的各缺陷建立缺陷矩形框,各缺陷矩形框为相应缺陷的最小外接矩形;为各缺陷建立包含对应缺陷矩形框的聚集矩形框;当一个缺陷的聚集矩形框与另一个缺陷的缺陷矩形框相切或相交时,判定该两个缺陷相关联;如果相关联的缺陷数等于或大于根据玻璃基板精度要求设定的判定聚集的最小关联缺陷数,则这些缺陷被判定为聚集,否则,不属于聚集。

Description

一种玻璃基板缺陷聚集识别方法
技术领域
本发明属于玻璃基板缺陷检测识别技术领域,涉及如何检测并识别玻璃基板缺陷是否聚集的技术,更具体地涉及一种玻璃基板缺陷聚集识别方法。
背景技术
使用溢流下拉法生产玻璃基板的过程中,采用成型拉边机、牵引辊和横切划线等热工设备对玻璃基板进行加工,如果其中的某个环节或设备出现问题,会造成串泡、划伤、擦痕和脏污等聚集缺陷,影响产品质量,降低产品合格率。现有技术中对于缺陷聚集基本上都是肉眼查看,肉眼观测缺陷聚集很费时费力,也无法保证精确地观测出缺陷的分布情况,且易造成漏检,增大了量产风险。因此,需要研究一种能够在线自动判定识别缺陷是否聚集的方法,如果发现缺陷聚集则给出提示,以及时排除设备故障,保证产品质量合格。
发明内容
针对现有技术中存在的问题,本发明提供一种玻璃基板缺陷聚集识别方法,能够在制造玻璃基板的过程中进行缺陷聚集检测识别,从而及时发现问题,排出故障,以在实际生产中控制玻璃基板质量,使其符合玻璃基板质量标准。
本发明是通过以下技术方案来实现:
一种玻璃基板缺陷聚集识别方法,包括如下步骤,
步骤1,将玻璃基板的检测影像置于一个坐标系中,为玻璃基板上的各缺陷建立缺陷矩形框,各缺陷矩形框为相应缺陷的最小外接矩形;为各缺陷建立包含对应缺陷矩形框的聚集矩形框,各聚集矩形框通过根据玻璃基板精度要求设定的横向参数和纵向参数表示,横向参数为聚集矩形框与相应缺陷矩形框对应边的横向距离,纵向参数为聚集矩形框与相应缺陷矩形框对应边的纵向距离;
步骤2,判定缺陷是否聚集,当一个缺陷的聚集矩形框与另一个缺陷的缺陷矩形框相切或相交时,判定该两个缺陷相关联;如果相关联的缺陷数等于或大于根据玻璃基板精度要求设定的判定聚集的最小关联缺陷数,则这些缺陷被判定为聚集,否则,不属于聚集。
优选的,横向参数为3-5mm,纵向参数为3-5mm。
优选的,最小关联缺陷数为2-3。
优选的,还包括步骤3,为被判定为聚集的相关联缺陷建立最小外接矩形,根据该最小外接矩形的长宽比及宽度尺寸,判断聚集为面聚集或线聚集。
进一步的,当被判定为聚集的相关联缺陷的最小外接矩形长宽比大于等于m,且宽度小于等于n时,判定为线聚集,其中,m=2-3,n=0.2-1mm。
进一步的,当被判定为聚集的相关联缺陷的最小外接矩形长宽比小于m,或宽度大于n时,判定为面聚集,其中,m=2-3,n=0.2-1mm。
与现有技术相比,本发明具有以下有益的技术效果:
本发明将玻璃基板的检测影像置于一个坐标系中,并在坐标系中为玻璃基板上的各缺陷建立缺陷矩形框和聚集矩形框,根据某一个缺陷的缺陷矩形框与另一个缺陷的聚集矩形框之间的位置关系定义缺陷是否有聚集关联,再根据相关联的缺陷数量与规定的判定聚集的最小关联缺陷数比较,判断这些缺陷是否聚集。例如,当缺陷A的聚集矩形框与缺陷B的缺陷矩形框相切或相交时,判定缺陷A和缺陷B相关联;当缺陷C的聚集矩形框与缺陷A和缺陷B的缺陷矩形框均未相切或相交时,缺陷C与缺陷A和缺陷B均不相关联。同时,根据需要设定一个用于判定聚集的最小关联缺陷数,如规定最小关联缺陷数是2个,缺陷A和缺陷B被判定为聚集;如果规定最小关联缺陷数是3个或更多,则缺陷A和缺陷B被判定为非聚集。本发明方法可以自动判定缺陷是否聚集,不需要人工通过眼睛去看,去判断,是一种可靠的缺陷聚集识别方法。
进一步的,横向参数和纵向参数根据实际需要进行设定,例如,当客户要求玻璃基板精度高时,可以将横向参数和纵向参数设定为较小值,当客户要求的玻璃基板精度相对低时,可以将横向参数和纵向参数设定为较大值。
进一步的,最小关联缺陷数也是根据实际需要设定,例如,当客户要求玻璃基板精度高时,可以将最小关联缺陷数设定为较小值,当客户要求的玻璃基板精度相对低时,可以将最小关联缺陷数设定为较大值。
进一步的,聚集有不同类型,如面聚集(污点、手印、吸盘印等)和线聚集(如刮伤、划痕等),根据缺陷特征或缺陷类别,可制定缺陷聚集分类规则,例如,根据聚集长宽比及宽度尺寸大小,定义面聚集、线聚集等,从而更好的反应玻璃基板的缺陷分布情况及其质量。
附图说明
图1是表示从瑕疵到缺陷聚集识别流程图。
图2是表示缺陷聚集算法关系图。
图3是表示线聚集示意图。
图4是表示面聚集示意图。
图5是表示线聚集和面聚集分类管理示意图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
如前所述,本发明涉及玻璃基板的缺陷聚集检测识别方法,在制造玻璃基板的过程中进行缺陷聚集检测识别。具体的检测识别流程如下。
一个光学检测设备从瑕疵到缺陷聚集流程图如图1所示。图1中,摄像机感应检测事件与补丁关联,补丁来自不同的光学通道,如反射光或透光通道,位于同一区域被判定为一个瑕疵;瑕疵根据特征由检测设备分类器判定为一个缺陷。在检查玻璃基板上,根据分类缺陷特征(如大小、数量或聚集的限定),检验判定是否满足质量等级,质量A、质量B或不良品。在玻璃基板同一区域上,单一的缺陷或瑕疵可以通过设置关联规则被判定为聚集。
玻璃基板缺陷聚集识别判定方法,包括如下步骤,
步骤1,将玻璃基板的检测影像置于一个坐标系中,为玻璃基板上的各缺陷建立缺陷矩形框,各缺陷矩形框为相应缺陷的最小外接矩形;为各缺陷建立包含对应缺陷矩形框的聚集矩形框,各聚集矩形框通过设定的横向参数和纵向参数表示,横向参数为聚集矩形框与相应缺陷矩形框对应边的横向距离,纵向参数为聚集矩形框与相应缺陷矩形框对应边的纵向距离;
步骤2,判定缺陷是否聚集,当一个缺陷的聚集矩形框与另一个缺陷的缺陷矩形框相切或相交时,判定该两个缺陷相关联;如果相关联的缺陷数等于或大于规定的判定聚集的最小关联缺陷数,则这些缺陷被判定为聚集,否则,不属于聚集。
本发明中缺陷聚集采用矩形框的长宽尺寸定义缺陷聚集的间距。具体的,如图2所示,与缺陷相切的矩形框是缺陷矩形框,表征缺陷大小,缺陷大小即为矩形框对角线或长宽尺寸;与缺陷不相切的矩形框是聚集矩形框,表征缺陷聚集间距,聚集横纵间距被分解定义为聚集矩形框的长宽尺寸。聚集矩形框的大小由其横向和纵向的参数表示,即横向参数指聚集矩形框距缺陷矩形框左右边部的距离,纵向参数指聚集矩形框距缺陷矩形框上下部的距离。横向参数和纵向参数根据实际需要进行设定,例如,当客户要求玻璃基板精度高时,可以将横向参数和纵向参数设置为较小值,当客户要求的玻璃基板精度相对低时,可以将横向参数和纵向参数设置为较大值。本实例中,横向参数为3-5mm,纵向参数为3-5mm。
聚集限定条件,缺陷矩形框与聚集矩形框之间有相交或相切现象,同时满足一定数量情况下,可以自动识别有缺陷聚集。具体的,如图2所示,当缺陷A的聚集矩形框与缺陷B的缺陷矩形框相切或相交时,缺陷A和缺陷B相关联,可能被判定为聚集;当缺陷C的聚集矩形框与缺陷A和缺陷B的缺陷矩形框均未相切或相交时,缺陷C与缺陷A和缺陷B均不相关联,不可能与缺陷A和缺陷B被判定为聚集。同时,根据实际需要规定定义聚集的最小关联缺陷数,当客户要求玻璃基板精度高时,可以将最小关联缺陷数设定为较小值,当客户要求的玻璃基板精度相对低时,可以将最小关联缺陷数设定为较大值,本实例最小关联缺陷数为2或3。如果规定最小关联缺陷数是2,则上述相关联的缺陷A和缺陷B被判定为聚集;如果规定最小关联缺陷数是3或更大的值,则缺陷A和缺陷B不能被判定为聚集。
聚集有不同类型,如面聚集(污点、手印、吸盘印等)、线聚集(如刮伤、划痕等)或边部聚集(边部颗粒物),根据缺陷特征或缺陷类别,可制定缺陷聚集分类规则。具体的,为被判定为聚集的相关联缺陷建立最小外接矩形,根据该最小外接矩形的长宽比及宽度尺寸,判断聚集为面聚集或线聚集。当被判定为聚集的相关联缺陷的最小外接矩形长宽比大于等于m,且宽度小于等于n时,判定为线聚集;当被判定为聚集的相关联缺陷的最小外接矩形长宽比小于m,或宽度大于n时,判定为面聚集;其中,m和n也是根据实际需要设定,本实例中,m=2-3,n=0.2-1mm。如图3所示,在缺陷分布图上用一条直线沿着缺陷表示线聚集的缺陷;如图4所示,在缺陷分布图上用线框包围缺陷表示面聚集的缺陷,从而在缺陷分布图能够清楚的显示出缺陷聚集的类型,便于进行质量分类和把控。
在玻璃基板缺陷浏览列表中分层显示缺陷聚集,再点击缺陷聚集可以细分显示具体包括的缺陷种类。如图5所示,点击面聚集可以细分显示包括9个黑缺陷,点击线聚集可以细分显示包括3个划伤缺陷。

Claims (6)

1.一种玻璃基板缺陷聚集识别方法,其特征在于,包括如下步骤,
步骤1,将玻璃基板的检测影像置于一个坐标系中,为玻璃基板上的各缺陷建立缺陷矩形框,各缺陷矩形框为相应缺陷的最小外接矩形;为各缺陷建立包含对应缺陷矩形框的聚集矩形框,各聚集矩形框通过根据玻璃基板精度要求设定的横向参数和纵向参数表示,横向参数为聚集矩形框与相应缺陷矩形框对应边的横向距离,纵向参数为聚集矩形框与相应缺陷矩形框对应边的纵向距离;
步骤2,判定缺陷是否聚集,当一个缺陷的聚集矩形框与另一个缺陷的缺陷矩形框相切或相交时,判定该两个缺陷相关联;如果相关联的缺陷数等于或大于根据玻璃基板精度要求设定的判定聚集的最小关联缺陷数,则这些缺陷被判定为聚集,否则,不属于聚集。
2.根据权利要求1所述的玻璃基板缺陷聚集识别方法,其特征在于,横向参数为3-5mm,纵向参数为3-5mm。
3.根据权利要求1所述的玻璃基板缺陷聚集识别方法,其特征在于,最小关联缺陷数为2-3。
4.根据权利要求1所述的玻璃基板缺陷聚集识别方法,其特征在于,还包括步骤3,为被判定为聚集的相关联缺陷建立最小外接矩形,根据该最小外接矩形的长宽比及宽度尺寸,判断聚集为面聚集或线聚集。
5.根据权利要求4所述的玻璃基板缺陷聚集识别方法,其特征在于,当被判定为聚集的相关联缺陷的最小外接矩形长宽比大于等于m,且宽度小于等于n时,判定为线聚集,其中,m=2-3,n=0.2-1mm。
6.根据权利要求4所述的玻璃基板缺陷聚集识别方法,其特征在于,当被判定为聚集的相关联缺陷的最小外接矩形长宽比小于m,或宽度大于n时,判定为面聚集,其中,m=2-3,n=0.2-1mm。
CN201810098295.9A 2018-01-31 2018-01-31 一种玻璃基板缺陷聚集识别方法 Active CN108445020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810098295.9A CN108445020B (zh) 2018-01-31 2018-01-31 一种玻璃基板缺陷聚集识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810098295.9A CN108445020B (zh) 2018-01-31 2018-01-31 一种玻璃基板缺陷聚集识别方法

Publications (2)

Publication Number Publication Date
CN108445020A true CN108445020A (zh) 2018-08-24
CN108445020B CN108445020B (zh) 2021-11-09

Family

ID=63191575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810098295.9A Active CN108445020B (zh) 2018-01-31 2018-01-31 一种玻璃基板缺陷聚集识别方法

Country Status (1)

Country Link
CN (1) CN108445020B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886956A (zh) * 2019-03-06 2019-06-14 京东方科技集团股份有限公司 检测缺陷点聚集性的方法及装置
CN110441319A (zh) * 2019-09-09 2019-11-12 凌云光技术集团有限责任公司 一种外观缺陷的检测方法及装置
CN110728659A (zh) * 2019-09-17 2020-01-24 深圳新视智科技术有限公司 缺陷合并的方法、装置、计算机设备及存储介质
CN111912967A (zh) * 2020-08-13 2020-11-10 蚌埠中光电科技有限公司 一种大尺寸玻璃基板的归类与标识方法
CN113312400A (zh) * 2021-06-02 2021-08-27 蚌埠凯盛工程技术有限公司 一种浮法玻璃等级判定方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007248292A (ja) * 2006-03-16 2007-09-27 Olympus Corp 外観検査装置
CN102305798A (zh) * 2011-08-02 2012-01-04 上海交通大学 基于机器视觉的玻璃缺陷的检测与分类方法
CN103632368A (zh) * 2013-11-29 2014-03-12 苏州有色金属研究院有限公司 金属板带材表面图像缺陷合并方法
CN103913468A (zh) * 2014-03-31 2014-07-09 湖南大学 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法
CN105447512A (zh) * 2015-11-13 2016-03-30 中国科学院自动化研究所 一种精粗结合的光学表面缺陷的检测方法及装置
CN106248686A (zh) * 2016-07-01 2016-12-21 广东技术师范学院 基于机器视觉的玻璃表面缺陷检测装置及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007248292A (ja) * 2006-03-16 2007-09-27 Olympus Corp 外観検査装置
CN102305798A (zh) * 2011-08-02 2012-01-04 上海交通大学 基于机器视觉的玻璃缺陷的检测与分类方法
CN103632368A (zh) * 2013-11-29 2014-03-12 苏州有色金属研究院有限公司 金属板带材表面图像缺陷合并方法
CN103913468A (zh) * 2014-03-31 2014-07-09 湖南大学 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法
CN105447512A (zh) * 2015-11-13 2016-03-30 中国科学院自动化研究所 一种精粗结合的光学表面缺陷的检测方法及装置
CN106248686A (zh) * 2016-07-01 2016-12-21 广东技术师范学院 基于机器视觉的玻璃表面缺陷检测装置及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卢蓉 等: ""一种提取目标图像最小外接矩形的快速算法"", 《计算机工程》 *
李刚: ""平板玻璃缺陷识别系统设计"", 《重庆科技学院学报( 自然科学版)》 *
王亚锋: ""玻璃表面缺陷在线检测系统的研发"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886956A (zh) * 2019-03-06 2019-06-14 京东方科技集团股份有限公司 检测缺陷点聚集性的方法及装置
CN109886956B (zh) * 2019-03-06 2021-11-30 京东方科技集团股份有限公司 检测缺陷点聚集性的方法及装置
CN110441319A (zh) * 2019-09-09 2019-11-12 凌云光技术集团有限责任公司 一种外观缺陷的检测方法及装置
CN110728659A (zh) * 2019-09-17 2020-01-24 深圳新视智科技术有限公司 缺陷合并的方法、装置、计算机设备及存储介质
CN111912967A (zh) * 2020-08-13 2020-11-10 蚌埠中光电科技有限公司 一种大尺寸玻璃基板的归类与标识方法
CN113312400A (zh) * 2021-06-02 2021-08-27 蚌埠凯盛工程技术有限公司 一种浮法玻璃等级判定方法及装置
CN113312400B (zh) * 2021-06-02 2024-01-30 蚌埠凯盛工程技术有限公司 一种浮法玻璃等级判定方法及装置

Also Published As

Publication number Publication date
CN108445020B (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN108445020A (zh) 一种玻璃基板缺陷聚集识别方法
TWI603074B (zh) 光學薄膜缺陷辨識方法及其系統
US6779159B2 (en) Defect inspection method and defect inspection apparatus
JP4616864B2 (ja) 外観検査方法及びその装置および画像処理評価システム
US8209135B2 (en) Wafer inspection data handling and defect review tool
TW455972B (en) Defect analysis method and process control method
WO2021168733A1 (zh) 缺陷图像的缺陷检测方法、装置及计算机可读存储介质
US8041443B2 (en) Surface defect data display and management system and a method of displaying and managing a surface defect data
US20060271226A1 (en) Inspection standard setting device, inspection standard setting method and process inspection device
JP2001256480A (ja) 画像自動分類方法及び装置
US20090304259A1 (en) System for Specifying Equipment Causing Failure
CN110146513B (zh) 缺陷判定方法及缺陷判定装置
DE10392488T5 (de) Verfahren zur Herstellung von Glassubstraten für Flüssigkristallanzeigegeräte und deren Mutterglas, und Mutterglas-Prüfvorrichtung
CN111402236B (zh) 一种基于图像灰度值的热轧带钢表面缺陷分级方法
CN110930350A (zh) 机器学习方法及应用机器学习方法的自动光学检测设备
CN115360116B (zh) 一种晶圆的缺陷检测方法及系统
WO2017049863A1 (zh) 液晶滴注系统及控制方法
JP7349066B2 (ja) 欠陥分類方法、欠陥分類装置及びガラス物品の製造方法
KR100359797B1 (ko) 평판형 표시장치의 양, 부 판정 방법
CN113155862B (zh) 一种偏光膜卷材良率的模拟方法
CN112683902B (zh) 一种基于模板的模切产品表面缺陷在线检测方法
JP2008071790A (ja) 不良工程推定方法、不良工程推定装置、プログラム、並びに記録媒体
WO2022109949A1 (zh) 不良图片缺陷等级识别的方法、装置及存储介质
TWI837941B (zh) 引線框架的出貨方法
TWI762364B (zh) 晶錠評估方法

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