CN108709893A - 一种amoled显示屏点线团在线缺陷检测方法 - Google Patents
一种amoled显示屏点线团在线缺陷检测方法 Download PDFInfo
- Publication number
- CN108709893A CN108709893A CN201810275824.8A CN201810275824A CN108709893A CN 108709893 A CN108709893 A CN 108709893A CN 201810275824 A CN201810275824 A CN 201810275824A CN 108709893 A CN108709893 A CN 108709893A
- Authority
- CN
- China
- Prior art keywords
- image
- adjacent differential
- amoled display
- defect
- detection method
- 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.)
- Withdrawn
Links
- 230000007547 defect Effects 0.000 title claims abstract description 71
- 229920001621 AMOLED Polymers 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title abstract description 7
- 238000007689 inspection Methods 0.000 title abstract 2
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 2
- 230000002950 deficient Effects 0.000 abstract 1
- 238000000605 extraction Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- 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
- 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
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)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
一种AMOLED显示屏点线团在线缺陷检测方法，该检测方法通过构造一个相邻差分滤波函数，用于对AMOLED显示屏被相机拍摄到的所要检测的图像进行滤波处理；然后对经过相邻差分滤波处理后的图像，根据该图像的前景缺陷相对于背景的不同亮度进行选择性阈值处理，即可将该图像的亮暗缺陷全部检测出来。本发明可以在不同的纹理背景条件稳定地将点、线、团缺陷分离出来；而且能尽可能少的丢失边界、形状、强度等信息，有利于后续缺陷特征的有效提取和分类。
Description
技术领域
本发明属于图像处理及显示屏检测算法领域，尤其涉及一种AMOLED显示屏点线团在线缺陷检测方法。
背景技术
随着平板显示和柔性显示的快速普及，AMOLED（Active Matrix Organic LightEmitting Diode，译作有源矩阵有机电致发光二极管）显示技术凭借其视角广、画质均匀、响应快、低能耗，可折叠并且能做成柔性显示屏等优点成为目前最受瞩目的下一代新型显示技术，尤其是苹果推出使用AMOLED显示面板的新一代iPhone X，将进一步催化AMOLED的加速渗透，引爆各品牌与面板厂竞逐投资AMOLED的热潮。
然而，AMOLED制备工艺复杂，所以在制造过程中会引入各种缺陷，尤其常见的是点缺陷、线缺陷、团缺陷等。这些缺陷出现频率高，对显示屏的质量影响较大，不仅会降低产品的合格率，而且若未经处理就被投入使用会损坏FPC电路，造成IC及其他材料资源的浪费。所以，需要对AMOLED显示屏进行缺陷检测。传统的人工检测效率较低，不能满足流水线生产的需求，而且还会受疲劳、主观意识等因素的影响，造成错捡、漏检等不足。
相比人工检测的方法，依托机器视觉的检测方法会解放劳动力，提高检测效率。目前，国外许多专家学者对此做了很多研究并取得了不错的成果，但是国内在AMOLED显示屏缺陷检测方面国外相比仍有一定的差距。所以研究依托机器视觉的AMOLED显示屏缺陷不仅具有一定的应用前景，还可以进一步推动AMOLED显示面板产业的发展。
发明内容
为了解决现有技术中存在的缺陷或不足，本发明提供了一种AMOLED显示屏点线团缺陷在线检测方法。
本发明采用的技术方案如下：
一种AMOLED显示屏点线团在线缺陷检测方法，该检测方法包括如下过程：
首先，构造一个相邻差分滤波函数，用于对AMOLED显示屏被相机拍摄到的所要检测的图像进行滤波处理；
然后，对经过相邻差分滤波处理后的图像，根据该图像的前景缺陷相对于背景的不同亮度利用公式进行选择性阈值处理，即可将该图像的亮暗缺陷全部检测出来。
所述相邻差分滤波函数为一个可以改变大小及尺寸的“回”字型的滤波矩阵，该滤波矩阵分为外层、中间层和内层，并可以根据具体的缺陷图像改变每层的行数、列数及具体数值，所述相邻差分滤波函数定义为：
（1）
其中，，感兴趣像素区周围的窗口大小为，m是间隙带的长度，n是外层相邻像素数的厚度。
所述相邻差分滤波函数在对所要检测的图形进行滤波处理时，所述滤波矩阵的中心遍历所要检测的图形的每一个像素点进行滤波。
所述相邻差分滤波函数在对所要检测的图形进行滤波处理时，当相邻差分滤波函数移动到所要检测图像的每个目标像素点处时，将该点处的强度与其相邻区域的强度进行比较，以强调不同之处，消除相似之处。
通过将所述相邻差分滤波函数归一化到灰度级范围，可得：
（2）
其中，；表示相邻差分滤波函数；表示像素点周围的一个窗口，且窗口的大小与的核的大小相同；是阈值，其大小要远大于0，用于滤波后灰度图像映射；是图像归一化常数，。
依据公式（2），所述选择性阈值处理原则为：当前景缺陷比背景亮时，选择式（2a）对滤波后的图像进行阈值处理，此时p=1；当前景缺陷比背景暗时，选择式（2b）对滤波后的图像进行阈值处理，此时p=-1；当图像中既有比背景亮的前景缺陷也有比背景暗前景缺陷时，选择式（2c）对滤波后的图像进行阈值处理，此时p=0。
由于上述技术方案运用，本发明与现有技术相比具有下列优点和效果：
1、本发明可以在不同的纹理背景条件稳定地将点、线、团缺陷分离出来；而且能尽可能少的丢失边界、形状、强度等信息，有利于后续缺陷特征的有效提取和分类；
2、即使光照条件不连续时，即背景亮度不均匀时，相邻差分滤波函数也能表现出很好的鲁棒性，因为它使用了基于图像块比较的方法；
3、本发明可以去除重复的图案信息，并可以通过代替每个位置的相邻差异信息的强度将前景缺陷分离出来；
4、无论前景缺陷比背景亮还是暗，相邻差分滤波函数都可以在这两种情况下将缺陷分离出来，并且可以有选择的使用公式（2a）-（2c）对滤波后的图像进行阈值处理；
5、本发明的相邻差分滤波函数检测方法可以用于筛选缺陷的类别，通过对经相邻差分滤波函数滤波后的图像提取一些典型的特征，就可以分析缺陷是在AMOLED面板制造过程中形成的真缺陷，还是由于采集图像中显示屏表面的灰尘等脏物形成的假缺陷；
6、由于本发明提出的相邻差分滤波函数检测方法没有涉及到迭代循环，所以其检测速度要比传统的检测方法速度快很多。
附图说明
附图1为本发明的流程示意图。
附图2为本发明相邻差分滤波函数的一个简单示例。
附图3为利用本发明相邻差分滤波函数检测方法对具有点团缺陷图像处理前后对比图的一个示例。
附图4为利用本发明相邻差分滤波函数检测方法对具有线缺陷图像处理前后对比图的一个示例。
具体实施方式
下面结合附图及实施例对本发明作进一步描述：
实施例：
一种AMOLED显示屏点线团在线缺陷检测方法，该检测方法包括如下过程：
首先，构造一个相邻差分滤波函数，用于对AMOLED显示屏被相机拍摄到的所要检测的图像进行滤波处理；
然后，对经过相邻差分滤波处理后的图像，根据该图像的前景缺陷相对于背景的不同亮度利用公式进行选择性阈值处理，即可将该图像的亮暗缺陷全部检测出来。
所述相邻差分滤波函数为一个可以改变大小及尺寸的“回”字型的滤波矩阵，该滤波矩阵分为外层、中间层和内层，并可以根据具体的缺陷图像改变每层的行数、列数及具体数值，所述相邻差分滤波函数定义为：
（1）
其中，，感兴趣像素区周围的窗口大小为，m是间隙带的长度，n是外层相邻像素数的厚度。参阅图2是相邻差分滤波函数的一个简单的例子。
通过将所述相邻差分滤波函数归一化到灰度级范围，可得：
（2）
其中，；表示相邻差分滤波函数；表示像素点周围的一个窗口，且窗口的大小与的核的大小相同；是阈值，其大小要远大于0，用于滤波后灰度图像映射；是图像归一化常数，。
依据公式（2），所述选择性阈值处理原则为：当前景缺陷比背景亮时，选择式（2a）对滤波后的图像进行阈值处理，此时p=1；当前景缺陷比背景暗时，选择式（2b）对滤波后的图像进行阈值处理，此时p=-1；当图像中既有比背景亮的前景缺陷也有比背景暗前景缺陷时，选择式（2c）对滤波后的图像进行阈值处理，此时p=0。
相邻差分滤波函数处理方法的主要思想是构造一个相邻差分滤波矩阵，分为外层，中间层和内层，并可以根据具体的缺陷图像改变每层的行数、列数及具体数值，所以其类似一个可改变大小及尺寸的“回”字型矩阵。在滤波时，根据不同的缺陷特点确定滤波器的尺寸，然后将滤波器的中心遍历所要检测图像的每个像素点进行滤波，其用一个间隙带将像素点处的强度与邻近区域的强度进行比较，以强调不同之处，并消除相似之处。该方法利用纹理图案中固有的属性，相邻差分滤波矩阵的设计是为了加强不同的区域给出的信息，而避免类似的区域给出的信息，为此，本发明将间隙带放置在给定图像块像素周围的区域上，因此，间隙带中的信息被丢弃，相邻差分滤波器可以更多地关注给定区域的不相似性；滤波后，再根据前景缺陷相对于背景的具体亮暗情况依据公式（2）对图像进行有选择的阈值处理，这样就可将亮、暗缺陷全都检测出来。
利用本发明的相邻差分滤波函数检测方法对不同的点线团缺陷进行检测，得到了好的分割效果；从图3中可以发现，即使在光照条件不连续时，即背景亮度不均匀时，相邻差分滤波函数也能表现出很好的鲁棒性；而且不管前景缺陷比背景亮还是比背景暗，相邻差分滤波函数都能将缺陷检测出来；经过相邻差分滤波函数处理后的图像一些典型的如几何、强度、纹理等特征就可以很容易地提取出来，以便用于缺陷的分类及评估，从而可以改善AMOLED显示屏的生产制造工艺，对缺陷进行补偿等，这样就可以避免AMOLED面板材料的浪费，提高面板的良品率。
如图4所示，是基于本发明提出的相邻差分滤波函数检测方法处理前后对比效果图，从图可以看出，本发明对于点线团等真缺陷及一些由灰尘等脏物形成的假缺陷的检测效果都是非常好的，而且分割检测的速度要比传统检测方法快。
在实际实施过程中，还可以基于大量样品的特征情况对相邻差分滤波函数进行优化和分类，便于更好的适应后续样品的检测及依照相关特征参数, 如公式（2）中所定义参数, 对缺陷进行分类供流水线进行下一步相关处理。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种AMOLED显示屏点线团在线缺陷检测方法，其特征在于：该检测方法包括如下过程：
首先，构造一个相邻差分滤波函数，用于对AMOLED显示屏被相机拍摄到的所要检测的图像进行滤波处理；
然后，对经过相邻差分滤波处理后的图像，根据该图像的前景缺陷相对于背景的不同亮度利用公式进行选择性阈值处理，即可将该图像的亮暗缺陷全部检测出来。
2.根据权利要求1所述的AMOLED显示屏点线团在线缺陷检测方法，其特征在于：所述相邻差分滤波函数为一个可以改变大小及尺寸的“回”字型的滤波矩阵，该滤波矩阵分为外层、中间层和内层，并可以根据具体的缺陷图像改变每层的行数、列数及具体数值，所述相邻差分滤波函数定义为：
（1）
其中，，感兴趣像素区周围的窗口大小为，m是间隙带的长度，n是外层相邻像素数的厚度。
3.根据权利要求2所述的AMOLED显示屏点线团在线缺陷检测方法，其特征在于：所述相邻差分滤波函数在对所要检测的图形进行滤波处理时，所述滤波矩阵的中心遍历所要检测的图形的每一个像素点进行滤波。
4.根据权利要求3所述的AMOLED显示屏点线团在线缺陷检测方法，其特征在于：所述相邻差分滤波函数在对所要检测的图形进行滤波处理时，当相邻差分滤波函数移动到所要检测图像的每个目标像素点处时，将该点处的强度与其相邻区域的强度进行比较，以强调不同之处，消除相似之处。
5.据权利要求1所述的AMOLED显示屏点线团在线缺陷检测方法，其特征在于：通过将所述相邻差分滤波函数归一化到灰度级范围，可得所述公式如下：
（2）
其中，；表示相邻差分滤波函数；表示像素点周围的一个窗口，且窗口的大小与的核的大小相同；是阈值，其大小要远大于0，用于滤波后灰度图像映射；是图像归一化常数，。
6.据权利要求1或5所述的AMOLED显示屏点线团在线缺陷检测方法，其特征在于：依据公式（2），所述选择性阈值处理原则为：当前景缺陷比背景亮时，选择式（2a）对滤波后的图像进行阈值处理，此时p=1；当前景缺陷比背景暗时，选择式（2b）对滤波后的图像进行阈值处理，此时p=-1；当图像中既有比背景亮的前景缺陷也有比背景暗前景缺陷时，选择式（2c）对滤波后的图像进行阈值处理，此时p=0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810275824.8A CN108709893A (zh) | 2018-03-30 | 2018-03-30 | 一种amoled显示屏点线团在线缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810275824.8A CN108709893A (zh) | 2018-03-30 | 2018-03-30 | 一种amoled显示屏点线团在线缺陷检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108709893A true CN108709893A (zh) | 2018-10-26 |
Family
ID=63867006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810275824.8A Withdrawn CN108709893A (zh) | 2018-03-30 | 2018-03-30 | 一种amoled显示屏点线团在线缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108709893A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110111301A (zh) * | 2019-03-21 | 2019-08-09 | 广东工业大学 | 基于频域变换的金属氧化表面缺陷视觉检测方法 |
| CN111882528A (zh) * | 2020-07-15 | 2020-11-03 | 苏州佳智彩光电科技有限公司 | 一种面向屏幕视觉检测的子像素排序方法及装置 |
| CN114519714A (zh) * | 2022-04-20 | 2022-05-20 | 中导光电设备股份有限公司 | 一种显示屏脏污缺陷判定的方法和系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103234512A (zh) * | 2013-04-03 | 2013-08-07 | 哈尔滨工业大学 | 三轴气浮台高精度姿态角度及角速度测量装置 |
| CN104616612A (zh) * | 2015-02-26 | 2015-05-13 | 上海和辉光电有限公司 | Amoled显示器、其测试组件及其缺陷测试方法 |
-
2018
- 2018-03-30 CN CN201810275824.8A patent/CN108709893A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103234512A (zh) * | 2013-04-03 | 2013-08-07 | 哈尔滨工业大学 | 三轴气浮台高精度姿态角度及角速度测量装置 |
| CN104616612A (zh) * | 2015-02-26 | 2015-05-13 | 上海和辉光电有限公司 | Amoled显示器、其测试组件及其缺陷测试方法 |
Non-Patent Citations (2)
| Title |
|---|
| YUNWON PARK 等: "Ambiguous Surface Defect Image Classification of AMOLED Displays in Smartphones", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 * |
| 钱玉娟: "中国首条柔性AMOLED生产线量产京东方引领产业发展", 《中国经济信息》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110111301A (zh) * | 2019-03-21 | 2019-08-09 | 广东工业大学 | 基于频域变换的金属氧化表面缺陷视觉检测方法 |
| CN111882528A (zh) * | 2020-07-15 | 2020-11-03 | 苏州佳智彩光电科技有限公司 | 一种面向屏幕视觉检测的子像素排序方法及装置 |
| CN114519714A (zh) * | 2022-04-20 | 2022-05-20 | 中导光电设备股份有限公司 | 一种显示屏脏污缺陷判定的方法和系统 |
| CN114519714B (zh) * | 2022-04-20 | 2022-07-26 | 中导光电设备股份有限公司 | 一种显示屏脏污缺陷判定的方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | A fabric defect detection method based on deep learning | |
| CN108562589B (zh) | 一种对磁路材料表面缺陷进行检测的方法 | |
| CN111179225B (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
| CN102305798B (zh) | 基于机器视觉的玻璃缺陷的检测与分类方法 | |
| CN108709893A (zh) | 一种amoled显示屏点线团在线缺陷检测方法 | |
| CN113658131B (zh) | 一种基于机器视觉巡游式环锭纺断纱检测方法 | |
| CN102654464A (zh) | 基于多特征模糊识别的铜带表面缺陷检测系统 | |
| CN101403703A (zh) | 一种皮棉中异性纤维实时检测方法 | |
| CN114494226B (zh) | 一种基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法 | |
| CN109191430A (zh) | 一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法 | |
| CN114581692B (zh) | 一种基于智能图形识别的防振锤故障检测方法及系统 | |
| CN110827235A (zh) | 钢板表面缺陷检测方法 | |
| CN108647593A (zh) | 基于图像处理和svm的无人机路面破损分类检测方法 | |
| CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
| CN113221881B (zh) | 一种多层级的智能手机屏幕缺陷检测方法 | |
| CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
| CN104952754B (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
| CN101706959A (zh) | 基于二维信息熵金属板带表面缺陷提取方法 | |
| CN115131348A (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
| Lin et al. | Surface defect detection of machined parts based on machining texture direction | |
| CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
| CN115266732A (zh) | 基于机器视觉的碳纤维丝束缺陷检测方法 | |
| CN114565607A (zh) | 基于神经网络的织物缺陷图像分割方法 | |
| Zhang et al. | Fabric defect detection based on visual saliency map and SVM | |
| CN106204889B (zh) | 一种纸币荧光区域的定位方法和装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181026 |