CN110146513B - 缺陷判定方法及缺陷判定装置 - Google Patents

缺陷判定方法及缺陷判定装置 Download PDF

Info

Publication number
CN110146513B
CN110146513B CN201910445000.5A CN201910445000A CN110146513B CN 110146513 B CN110146513 B CN 110146513B CN 201910445000 A CN201910445000 A CN 201910445000A CN 110146513 B CN110146513 B CN 110146513B
Authority
CN
China
Prior art keywords
data
defect
grade
rule table
sample
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.)
Active
Application number
CN201910445000.5A
Other languages
English (en)
Other versions
CN110146513A (zh
Inventor
雷朋
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.)
TCL China Star Optoelectronics Technology Co Ltd
Original Assignee
TCL China Star 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 TCL China Star Optoelectronics Technology Co Ltd filed Critical TCL China Star Optoelectronics Technology Co Ltd
Priority to CN201910445000.5A priority Critical patent/CN110146513B/zh
Publication of CN110146513A publication Critical patent/CN110146513A/zh
Application granted granted Critical
Publication of CN110146513B publication Critical patent/CN110146513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • 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)
  • Image Processing (AREA)

Abstract

本发明提供了一种缺陷判定方法及缺陷判定装置，可进行在线实时缺陷判定。所述缺陷判定方法和判定装置，相较于现有技术，设置了较多的判定缺陷的数据维度，可对缺陷种类、缺陷影响线路、缺陷尺寸和缺陷像素等缺陷数据进行准确识别；在缺陷判定过程中自动套用第一数据规则表和第二数据规则表，将所述缺陷数据划分为不同的等级，进而对不同等级的缺陷执行与所述等级相应的操作；提高了缺陷判定的准确度和自动化程度，减少了缺陷判定过程中的人工参与，降低了漏判和误判的风险。

Description

缺陷判定方法及缺陷判定装置
技术领域
本发明涉及显示面板制程领域，尤其涉及一种缺陷判定方法及缺陷判定装置。
背景技术
在显示面板制造过程中，为了实时监控产线的异常状况会引入AOI(AutomaticOptic Inspector/Inspection)设备，对显示面板制程中的缺陷进行实时拦截和判断。现有技术是通过AOI设备获取缺陷的图片后，将缺陷图片传送至人工操作端，由人工对显示面板缺陷进行判断，并进一步制定处理建议。但是人工判定缺陷受工作人员的经验影响，判定缺陷存在较大的主观性，并且不同的工作人员判定缺陷会以自己的工作经验为基础，难以形成一致的判定标准，缺陷的漏判和误判的风险较高。另外，现有的缺陷判定方法需要较多人力参与，造成生产效率低。
发明内容
基于上述现有技术存在的问题，本发明提供了一种缺陷判定方法和缺陷判定装置，可应用于在线实时缺陷检测和判定，且缺陷判定的准确度高、自动化程度高，减少缺陷判定过程中的人工参与，降低漏判和误判的风险。
本发明提供了一种缺陷判定方法，包括以下步骤：
获取样品的缺陷图片；
通过所述缺陷图片获取所述样品的缺陷数据；
判定所述缺陷数据的置信度；
设定置信度阈值；
将所述缺陷数据的置信度高于所述置信度阈值的所述缺陷数据定义为第一数据，将所述缺陷数据的置信度低于所述置信度阈值的所述缺陷数据定义为第二数据，利用第一数据规则表将所述第一数据划分为“合格”、“修补”、“重工”和“报废”四个等级，利用数据复检单元将所述第二数据划分为“合格”、“修补”、“重工”和“报废”四个等级；
利用第二数据规则表将等级为“修补”的所述第一数据划分为“次合格”和“次修补”两个等级；
根据所述第一数据和所述第二数据的等级，将与所述第一数据和所述第二数据相对应的所述样品带入制造执行单元执行与所述等级相对应的操作。
根据本发明一实施例，所述获取样品的缺陷图片的方法为：
自动拍摄单元拍摄所述样品的缺陷区域的照片，得到所述样品的缺陷图片。
根据本发明一实施例，所述通过所述缺陷图片获取所述样品的缺陷数据的方法为：
自动计算单元分析所述缺陷图片，得到所述样品的缺陷数据，所述缺陷数据包括缺陷种类、缺陷影响线路、缺陷尺寸及缺陷像素。
根据本发明一实施例，所述判定所述缺陷数据的置信度的方法为：
所述自动计算单元分析所述缺陷数据，输出所述缺陷数据的置信度。
根据本发明一实施例，所述设定置信度阈值的方法为：
人工设定所述置信度阈值。
根据本发明一实施例，所述利用第一数据规则表将所述第一数据划分为“合格”、“修补”、“重工”和“报废”四个等级的方法为：
缺陷识别单元将所述第一数据带入所述第一数据规则表，所述第一数据规则表包括“合格”、“修补”、“重工”和“报废”四个等级的划分标准；
若所述第一数据与所述第一数据规则表的“合格”等级相匹配，所述缺陷识别单元将所述第一数据划分为“合格”等级；若所述第一数据与所述第一数据规则表的“修补”等级相匹配，所述缺陷识别单元将所述第一数据划分为“修补”等级；若所述第一数据与所述第一数据规则表的“重工”等级相匹配，所述缺陷识别单元将所述第一数据划分为“重工”等级；若所述第一数据与所述第一数据规则表的“报废”等级相匹配，所述缺陷识别单元将所述第一数据划分为“报废”等级。
根据本发明一实施例，所述利用数据复检单元将所述第二数据划分为“合格”、“修补”、“重工”和“报废”四个等级的方法为：
所述数据复检单元将所述第二数据输出至人工操作端；
所述人工操作端将所述第二数据划分为“合格”、“修补”、“重工”和“报废”四个等级。
根据本发明一实施例，所述利用第二数据规则表将等级为“修补”的所述第一数据划分为“次合格”和“次修补”两个等级的方法为：
所述缺陷识别单元将所述等级为“修补”的所述第一数据带入所述第二数据规则表，所述第二数据规则表包括“次合格”和“次修补”两个等级的划分标准；
若所述等级为“修补”的所述第一数据与所述第二数据规则表的“次合格”等级相匹配，所述缺陷识别单元将所述等级为“修补”的所述第一数据划分为“次合格”等级；若所述等级为“修补”的所述第一数据与所述第二数据规则表的“次修补”等级相匹配，所述缺陷识别单元将所述等级为“修补”的所述第一数据划分为“次修补”等级。
根据本发明一实施例，所述根据所述第一数据和所述第二数据的等级，将与所述第一数据和所述第二数据相对应的所述样品带入制造执行单元执行与所述等级相对应的操作的方法为：
当所述第一数据和/或所述第二数据的等级为“合格”或“次合格”时，所述制造执行单元忽略与所述第一数据和/或所述第二数据相对应的所述样品的缺陷；
当所述第一数据和/或所述第二数据的等级为“修补”或“次修补”时，所述制造执行单元对与所述第一数据和/或所述第二数据相对应的所述样品的缺陷执行修复操作；
当所述第一数据和/或所述第二数据的等级为“重工”时，所述制造执行单元将与所述第一数据和/或所述第二数据相对应的所述样品执行重工操作；
当所述第一数据和/或所述第二数据的等级为“报废”时，所述制造执行单元对与所述第一数据和/或所述第二数据相对应的所述样品的缺陷执行报废操作。
本发明又提供了一种缺陷判定装置，包括：
自动拍摄单元，用于拍摄样品的缺陷照片；
自动计算单元，用于根据所述缺陷照片计算缺陷数据及所述缺陷数据的置信度，所述缺陷数据包括缺陷种类、缺陷影响线路、缺陷尺寸和缺陷像素；
缺陷识别单元，包括第一数据规则表和第二数据规则表，所述缺陷识别单元根据所述第一数据规则表将置信度高于阈值的所述缺陷数据划分为“合格”、“修补”、“重工”和“报废”四个等级，所述缺陷识别单元根据所述第二数据规则表将等级为“修补”的所述缺陷数据划分为“次合格”和“次修补”两个等级；
数据复检单元，用于将置信度低于阈值的所述缺陷数据进行复检，并将所述置信度低于阈值的所述缺陷数据划分为“合格”、“修补”、“重工”和“报废”四个等级；
制造执行单元，根据所述缺陷数据的等级，对与所述缺陷数据相对应的所述样品执行与所述等级相对应的操作。
本发明的有益效果是：本发明提供的缺陷判定方法和缺陷判定装置，相较于现有技术，具有较多的判定样品缺陷的数据维度，可对样品的缺陷种类、缺陷影响线路、缺陷尺寸和缺陷像素等缺陷数据进行准确识别；并且自动套用数据规则表，将所述缺陷数据划分为不同的等级，进而对不同等级的缺陷执行与所述等级相应的操作；提高了缺陷判定的准确度和自动化程度，减少了缺陷判定过程中的人工参与，降低了漏判和误判的风险。
附图说明
为了更清楚地说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介绍，显而易见地，下面描述中的附图仅仅是发明的一些实施例，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他的附图。
图1是本发明一实施例提供的缺陷判定方法流程图；
图2是本发明一实施例提供的缺陷判定装置结构示意图；
图3是本发明一实施例提供的第一数据规则表；
图4是本发明一实施例提供的第二数据规则表。
具体实施方式
以下各实施例的说明是参考附加的图示，用以例示本发明可用以实施的特定实施例。本发明所提到的方向用语，例如[上]、[下]、[前]、[后]、[左]、[右]、[内]、[外]、[侧面]等，仅是参考附加图式的方向。因此，使用的方向用语是用以说明及理解本发明，而非用以限制本发明。在图中，结构相似的单元是用以相同标号表示。
本发明实施例提供了一种缺陷判定方法，可应用于显示面板制程中的缺陷判定和处理，所述缺陷判定方法相较于现有技术具有较多的判定样品缺陷的数据维度，可对所述样品的缺陷种类、缺陷影响线路、缺陷尺寸和缺陷像素等缺陷数据进行准确识别，并依据所述缺陷数据将所述缺陷划分为不同的等级，进而对不同等级的缺陷执行相应的操作。本发明所述的缺陷判定方法判定缺陷的准确度高，缺陷判定和处理过程的自动化程度高，减小了缺陷判定过程中的人工干预，在节约了人力的同时，降低了人工判定缺陷的漏判风险。
如图1所示，为本发明一实施例提供的缺陷判定方法流程图，所述缺陷判定方法包括以下步骤：
步骤S101、获取样品的缺陷图片。
需要说明的是，本发明所述的样品可以是显示面板生产线上正在进行加工制造的显示面板成品或半成品。
可选地，所述获取所述样品的缺陷图片的方法为：使用自动拍摄单元拍摄所述样品缺陷区域的照片。可选地，所述自动拍摄单元为在线实时影像监测系统，可对所述样品进行实时监控，当发现所述样品存在缺陷时，所述自动拍摄单元可利用其自身携带的摄像头对所述缺陷进行拍照，所述缺陷照片用于后期对所述缺陷进行分析判断。可选地，所述照片为彩色或黑白照片，以便于后期识别所述缺陷的种类、尺寸和像素。
步骤S102、通过所述缺陷图片获取所述样品的缺陷数据。
可选地，所述通过所述缺陷图片获取所述样品的缺陷数据的方法为：自动计算单元获取所述缺陷图片；所述自动计算单元包含缺陷数据库，所述缺陷数据库包含多种缺陷示图和与每种所述缺陷示图相对应的缺陷数据，每个所述缺陷数据是由缺陷种类、缺陷影响线路、缺陷尺寸和缺陷像素多个维度的数据组成；所述自动计算单元将所述缺陷图片与所述缺陷数据库中的缺陷示图进行比对，找出与所述缺陷图片特征相同或相似度最高的缺陷示图；将与所述缺陷图片特征相同或相似度最高的所述缺陷示图的缺陷数据赋予所述缺陷图片，得到所述缺陷图片的缺陷数据。
需要说明的是，所述缺陷数据库是预先设置于所述自动计算单元中的，所述自动计算单元识别所述缺陷图片时会自动调用所述缺陷数据库。所述缺陷数据库中的数据可以根据生产的情况进行补充和完善。
步骤S103、判定所述缺陷数据的置信度。
所述自动计算单元得到所述缺陷图片的缺陷数据后，会对所述缺陷数据进行分析，并输出所述缺陷数据的置信度。具体方法为：所述自动计算单元将所述缺陷图片特征与所述缺陷数据库中的缺陷示图进行比对，如将所述缺陷图片与所述缺陷示图的缺陷影响线路、缺陷尺寸、形状进行比对，以确定所述缺陷图片与所述缺陷示图的匹配程度，并依据所述匹配程度对所述缺陷数据赋予置信度。应当理解的是，所述缺陷图片与所述缺陷数据库中的缺陷示图的匹配程度越高，所述缺陷数据的置信度越高，即所述缺陷数据越可靠；所述缺陷图片与所述缺陷数据库中的缺陷示图的匹配程度越低，所述缺陷数据的置信度越低，即所述缺陷数据越不可靠。
步骤S104、设定置信度阈值。
所述置信度阈值为人工设定，用于对所述缺陷数据进行过滤，将高于所述置信度阈值的所述缺陷数据和低于所述置信度阈值的所述缺陷数据分开，便于分别进行接下来的处理。需要说明的是，人工设定所述置信度阈值后，工作人员会根据通过所述置信度阈值过滤的所述缺陷数据的准确程度，对所述置信度阈值进行调整，例如，当所述置信度阈值设置过低时，会出现系统无法判定的缺陷流入缺陷判定系统，造成缺陷判定不准确，此时，需要人工调高所述置信度阈值。
步骤S105、将所述缺陷数据的置信度高于所述置信度阈值的所述缺陷数据定义为第一数据，将所述缺陷数据的置信度低于所述置信度阈值的所述缺陷数据定义为第二数据，利用第一数据规则表将所述第一数据划分为“合格”、“修补”、“重工”和“报废”四个等级，利用数据复检单元将所述第二数据划分为“合格”、“修补”、“重工”和“报废”四个等级。
可选地，所述利用第一数据规则表将所述第一数据划分为“合格”、“修补”、“重工”和“报废”四个等级的方法为：
缺陷识别单元将所述第一数据带入所述第一数据规则表，所述第一数据规则表包括“合格”、“修补”、“重工”和“报废”四个等级的划分标准，可选地，所述第一数据规则表的数据来源于实际生产中对产品缺陷特性和良率分析总结；
若所述第一数据与所述第一数据规则表的“合格”等级相匹配，所述缺陷识别单元将所述第一数据划分为“合格”等级；若所述第一数据与所述第一数据规则表的“修补”等级相匹配，所述缺陷识别单元将所述第一数据划分为“修补”等级；若所述第一数据与所述第一数据规则表的“重工”等级相匹配，所述缺陷识别单元将所述第一数据划分为“重工”等级；若所述第一数据与所述第一数据规则表的“报废”等级相匹配，所述缺陷识别单元将所述第一数据划分为“报废”等级。
可选地，所述利用数据复检单元将所述第二数据划分为“合格”、“修补”、“重工”和“报废”四个等级的方法为：
所述数据复检单元将所述第二数据输出至人工操作端，所述人工操作端可以是具备数据和图片显示功能的计算机终端设备，并可对所述第二数据进行人工操作；
工作人员利用所述人工操作端对所述第二数据及与所述第二数据相对应的所述缺陷图片进行分析判断，进而将所述第二数据划分为“合格”、“修补”、“重工”和“报废”四个等级。
需要说明的是，在实际生产中所述第二数据的数量较少，并且随着所述缺陷数据库的不断补充和完善，所述第二数据的数量会进一步减少。因此，经过所述缺陷复检单元进行人工判定的缺陷数量较少，从而节约人力，降低人工判定缺陷时的漏判风险。
步骤S106、利用第二数据规则表将等级为“修补”的所述第一数据划分为“次合格”和“次修补”两个等级。
可选地，所述缺陷识别单元包括所述第二数据规则表，所述第二数据规则表包括“次合格”和“次修补”两个等级的划分标准。
所述缺陷识别单元将所述等级为“修补”的所述第一数据带入所述第二数据规则表；若所述等级为“修补”的所述第一数据与所述第二数据规则表的“次合格”等级相匹配，所述缺陷识别单元将所述等级为“修补”的所述第一数据划分为“次合格”等级；若所述等级为“修补”的所述第一数据与所述第二数据规则表的“次修补”等级相匹配，所述缺陷识别单元将所述等级为“修补”的所述第一数据划分为“次修补”等级。
应当理解的是，所述第二数据规则表为豁免规则表。为了保证对所述第一数据的缺陷等级进行准确判定，防止因缺陷等级判定误差导致的工程量增加，对经所述第一数据规则表判定的等级为“修补”的所述第一数据利用所述第二数据规则表进行二次判定，排除等级为“修补”的所述第一数据中不会对产品性能要求产生影响的缺陷数据，可以减少下一步执行缺陷修复的工程量。
步骤S107、根据所述第一数据和所述第二数据的等级，将与所述第一数据和所述第二数据相对应的所述样品带入制造执行单元执行与所述等级相对应的操作，具体包括以下步骤：
当所述第一数据和/或所述第二数据的等级为“合格”或“次合格”时，所述制造执行单元忽略与所述第一数据和/或所述第二数据相对应的所述样品的缺陷。换言之，当所述第一数据和/或所述第二数据的等级为“合格”或“次合格”时，说明与所述第一数据和/或所述第二数据相对应的缺陷不会对样品性能产生影响，所述制造执行单元对与所述第一数据和/或所述第二数据相对应的缺陷采取继续生产流程操作；
当所述第一数据和/或所述第二数据的等级为“修补”或“次修补”时，所述制造执行单元对与所述第一数据和/或所述第二数据相对应的所述样品的缺陷执行修复操作。换言之，当所述第一数据和/或所述第二数据的等级为“修补”或“次修补”时，说明与所述第一数据和/或所述第二数据相对应的缺陷会对样品性能产生影响，但产生的影响可以通过缺陷修复来消除，所述制造执行单元执行对缺陷的修复操作；
当所述第一数据和/或所述第二数据的等级为“重工”时，所述制造执行单元将与所述第一数据和/或所述第二数据相对应的所述样品执行重工操作。换言之，当所述第一数据和/或所述第二数据的等级为“重工”时，说明与所述第一数据和/或所述第二数据相对应的缺陷会对样品性能产生严重影响，而这些影响通过缺陷修复是无法消除的，只能对缺陷区域进行重新加工，所述制造执行单元执行对缺陷的重工操作；
当所述第一数据和/或所述第二数据的等级为“报废”时，所述制造执行单元将与所述第一数据和/或所述第二数据相对应的所述样品执行报废操作。换言之，当所述第一数据和/或所述第二数据的等级为“报废”时，说明与所述第一数据和/或所述第二数据相对应的缺陷会对产品的功能产生不可挽回的破坏性影响，所述制造执行单元将所述产品进行报废。
应当理解的是，在缺陷数据的等级判定中，虽然存在“合格”和“次合格”两种等级，但这两种缺陷等级的缺陷对样品的性能影响相同，所以制造执行单元对这两种等级的缺陷执行相同的操作。“修补”和“次修补”的缺陷数据与之同理，不再赘述。
本发明实施例提供的缺陷判定方法，可以实现对样品缺陷的准确判定，并且缺陷判定和处理过程的自动化程度高，缺陷判定过程中的人工干预小，既节约了人力，又降低了人工判定缺陷的漏判风险。
本发明实施例还提供了一种缺陷判定装置200，如图2所示，所述缺陷判定装置200包括自动拍摄单元201、自动计算单元202、缺陷识别单元203、数据复检单元204和制造执行单元205，所述缺陷判定装置200可以实现对样品缺陷的自动判定和自动处理。
所述自动拍摄单元201用于拍摄所述样品的缺陷照片。可选地，所述自动拍摄单元201为在线实时影像监测系统，可对所述样品进行实时监控，当发现所述样品存在缺陷时，所述自动拍摄单元201可利用其自身携带的摄像头对所述缺陷进行拍照，所述缺陷照片用于后期对所述缺陷进行分析判断。可选地，所述照片为彩色或黑白照片，以便于后期识别所述缺陷的种类、尺寸和像素。
所述自动计算单元202用于根据所述缺陷照片计算缺陷数据及所述缺陷数据的置信度，所述缺陷数据包括缺陷种类、缺陷影响线路、缺陷尺寸和缺陷像素三个维度的数据，所述缺陷数据的置信度用于评价所述缺陷数据的可靠性。
所述缺陷识别单元203用于判定所述缺陷数据的等级。所述缺陷识别单元203包括第一数据规则表和第二数据规则表。所述缺陷识别单元203根据所述第一数据规则表将置信度高于阈值的所述缺陷数据划分为“合格”、“修补”、“重工”和“报废”四个等级，所述缺陷识别单元203根据所述第二数据规则表将等级为“修补”的所述缺陷数据划分为“次合格”和“次修补”两个等级。可选地，所述阈值为实际生产经验积累的总结值。
可选地，将所述缺陷判定装置200应用于显示面板制程中时，所述第一数据规则表和所述第二数据规则表可以是如图3和图4所述的判定表格。其中，所述第一数据规则表(如图3所示)，包括如下缺陷判定维度：“是否存在断线”、“断线宽度(线变形)是否大于1/2”、“断线宽度(未变形)是否大于4/5”、“断线长度是否大于150微米”、“是否异常相交”及“缺陷是否覆盖TFT”。所述缺陷识别单元203将所述缺陷数据与所述第一数据规则表中的各判定维度进行比对，并依据比对结果输出判定结果，从而将所述缺陷数据划分为“合格”、“修补”、“重工”和“报废”四个等级。所述第二数据规则表(如图4所示)，包括如下判定维度：“第一金属线断开”、“第一金属线之间短路”、“第二金属线断开”、“第二金属线之间短路”及“第一金属线和第二金属线短路”。所述缺陷识别单元203将等级为“修补”的缺陷数据与所述第二数据规则表中的各判定维度进行比对，并依据比对结果输出判定结果，从而将等级为“修补”的缺陷数据进一步划分为“次合格”和“次修补”两个等级。需要说明的是，所述第二数据规则表中“第一金属线”和“第二金属线”可以是显示面板制程中的先后设置的金属走线，如“第一金属线”可以是栅极线，“第二金属线”可以是数据线。另外，图4所示的第二数据规则表仅列出了各个判定维度中的部分数据，应当理解的是，只有当所述第二数据规则表中的各个维度均判定为“否”时，所述缺陷数据被判定为“次合格”等级。
所述数据复检单元204用于对置信度低于阈值的所述缺陷数据进行复检，并将所述置信度低于阈值的所述缺陷数据划分为“合格”、“修补”、“重工”和“报废”四个等级。具体地，所述数据复检单元204包括人工操作端，工作人员可通过所述人工操作端对所述缺陷数据进行人工操作，并将所述缺陷数据划分为“合格”、“修补”、“重工”和“报废”四个等级。
所述制造执行单元205用于对所述缺陷执行相应的操作，具体操作如下：
当所述缺陷数据的等级为“合格”或“次合格”时，所述制造执行单元205忽略与所述缺陷数据相对应的所述样品的缺陷；
当所述缺陷数据的等级为“修补”或“次修补”时，所述制造执行单元205对与所述缺陷数据相对应的所述样品的缺陷执行修复操作；
当所述缺陷数据的等级为“重工”时，所述制造执行单元205将与所述缺陷数据相对应的所述样品执行重工操作；
当所述缺陷数据的等级为“报废”时，所述制造执行单元205对与所述缺陷数据相对应的所述样品的缺陷执行报废操作。
本发明实施例提供的缺陷判定装置200，可以对样品缺陷进行准确判定，并且缺陷判定和处理过程的自动化程度高，缺陷判定过程中的人工干预小，既节约了人力，又降低了人工判定缺陷的漏判风险。
综上所述，虽然本发明以具体实施例揭露如上，但上述实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。

Claims (6)

1.一种缺陷判定方法，其特征在于，包括以下步骤：
获取样品的缺陷图片；
通过所述缺陷图片获取所述样品的缺陷数据；
自动计算单元将所述缺陷图片的特征与缺陷数据库中的缺陷示图进行比对，确定所述缺陷图片与所述缺陷示图的匹配程度，并依据所述匹配程度对所述缺陷数据赋予置信度；
设定置信度阈值；
将所述缺陷数据的置信度高于所述置信度阈值的所述缺陷数据定义为第一数据，将所述缺陷数据的置信度低于所述置信度阈值的所述缺陷数据定义为第二数据；
缺陷识别单元将所述第一数据带入所述第一数据规则表，所述第一数据规则表包括“合格”、“修补”、“重工”和“报废”四个等级的划分标准；若所述第一数据与所述第一数据规则表的“合格”等级相匹配，所述缺陷识别单元将所述第一数据划分为“合格”等级；若所述第一数据与所述第一数据规则表的“修补”等级相匹配，所述缺陷识别单元将所述第一数据划分为“修补”等级；若所述第一数据与所述第一数据规则表的“重工”等级相匹配，所述缺陷识别单元将所述第一数据划分为“重工”等级；若所述第一数据与所述第一数据规则表的“报废”等级相匹配，所述缺陷识别单元将所述第一数据划分为“报废”等级；
所述数据复检单元将所述第二数据输出至人工操作端；所述人工操作端将所述第二数据划分为“合格”、“修补”、“重工”和“报废”四个等级；
所述缺陷识别单元将所述等级为“修补”的所述第一数据带入所述第二数据规则表，所述第二数据规则表包括“次合格”和“次修补”两个等级的划分标准；若所述等级为“修补”的所述第一数据与所述第二数据规则表的“次合格”等级相匹配，所述缺陷识别单元将所述等级为“修补”的所述第一数据划分为“次合格”等级；若所述等级为“修补”的所述第一数据与所述第二数据规则表的“次修补”等级相匹配，所述缺陷识别单元将所述等级为“修补”的所述第一数据划分为“次修补”等级；
根据所述第一数据和所述第二数据的等级，将与所述第一数据和所述第二数据相对应的所述样品带入制造执行单元执行与所述等级相对应的操作。
2.根据权利要求1所述的缺陷判定方法，其特征在于，所述获取样品的缺陷图片的方法为：
自动拍摄单元拍摄所述样品的缺陷区域的照片，得到所述样品的缺陷图片。
3.根据权利要求1所述的缺陷判定方法，其特征在于，所述通过所述缺陷图片获取所述样品的缺陷数据的方法为：
自动计算单元分析所述缺陷图片，得到所述样品的缺陷数据，所述缺陷数据包括缺陷种类、缺陷影响线路、缺陷尺寸及缺陷像素。
4.根据权利要求3所述的缺陷判定方法，其特征在于，所述设定置信度阈值的方法为：
人工设定所述置信度阈值。
5.根据权利要求1所述的缺陷判定方法，其特征在于，所述根据所述第一数据和所述第二数据的等级，将与所述第一数据和所述第二数据相对应的所述样品带入制造执行单元执行与所述等级相对应的操作的方法为：
当所述第一数据和/或所述第二数据的等级为“合格”或“次合格”时，所述制造执行单元忽略与所述第一数据和/或所述第二数据相对应的所述样品的缺陷；
当所述第一数据和/或所述第二数据的等级为“修补”或“次修补”时，所述制造执行单元对与所述第一数据和/或所述第二数据相对应的所述样品的缺陷执行修复操作；
当所述第一数据和/或所述第二数据的等级为“重工”时，所述制造执行单元将与所述第一数据和/或所述第二数据相对应的所述样品执行重工操作；
当所述第一数据和/或所述第二数据的等级为“报废”时，所述制造执行单元对与所述第一数据和/或所述第二数据相对应的所述样品的缺陷执行报废操作。
6.一种缺陷判定装置，其特征在于，包括：
自动拍摄单元，用于拍摄样品的缺陷照片；
自动计算单元，用于根据所述缺陷照片计算缺陷数据及所述缺陷数据的置信度，所述缺陷数据包括缺陷种类、缺陷影响线路、缺陷尺寸和缺陷像素；
缺陷识别单元，包括第一数据规则表和第二数据规则表，所述缺陷识别单元根据所述第一数据规则表将置信度高于阈值的所述缺陷数据划分为“合格”、“修补”、“重工”和“报废”四个等级，所述缺陷识别单元根据所述第二数据规则表将等级为“修补”的所述缺陷数据划分为“次合格”和“次修补”两个等级；
数据复检单元，用于将置信度低于阈值的所述缺陷数据进行复检，并将所述置信度低于阈值的所述缺陷数据划分为“合格”、“修补”、“重工”和“报废”四个等级；
制造执行单元，根据所述缺陷数据的等级，对与所述缺陷数据相对应的所述样品执行与所述等级相对应的操作。
CN201910445000.5A 2019-05-27 2019-05-27 缺陷判定方法及缺陷判定装置 Active CN110146513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910445000.5A CN110146513B (zh) 2019-05-27 2019-05-27 缺陷判定方法及缺陷判定装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910445000.5A CN110146513B (zh) 2019-05-27 2019-05-27 缺陷判定方法及缺陷判定装置

Publications (2)

Publication Number Publication Date
CN110146513A CN110146513A (zh) 2019-08-20
CN110146513B true CN110146513B (zh) 2021-07-06

Family

ID=67592143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910445000.5A Active CN110146513B (zh) 2019-05-27 2019-05-27 缺陷判定方法及缺陷判定装置

Country Status (1)

Country Link
CN (1) CN110146513B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110907135A (zh) * 2019-11-14 2020-03-24 深圳市华星光电半导体显示技术有限公司 一种制程设备的控制方法及装置
CN111160432A (zh) * 2019-12-19 2020-05-15 成都数之联科技有限公司 一种面板生产制造缺陷的自动分类方法及系统
CN111079380B (zh) * 2019-12-19 2023-10-24 苏州精濑光电有限公司 显示面板缺陷等级数据上报的方法、系统及判级报废方法
CN111413350A (zh) * 2020-03-24 2020-07-14 江苏斯德雷特通光光纤有限公司 一种检测光纤排线缺陷的方法及装置
CN111461210A (zh) * 2020-03-31 2020-07-28 天津智惠未来科技有限责任公司 一种基于无人机风电巡检叶片缺陷等级判定方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103698338A (zh) * 2013-12-24 2014-04-02 南阳汉冶特钢有限公司 一种快速识别钢板表面缺陷的检验方法
WO2015095452A1 (en) * 2013-12-19 2015-06-25 Schlumberger Canada Limited Method of obtaining asphaltene content of crude oils
CN108352339A (zh) * 2015-09-18 2018-07-31 科磊股份有限公司 自适应自动缺陷分类
CA3063925A1 (en) * 2017-05-17 2018-11-22 Spogen Biotech Inc. Devices, systems, and methods for agrochemical detection and agrochemical compositions
CN109671071A (zh) * 2018-12-19 2019-04-23 南京市测绘勘察研究院股份有限公司 一种基于深度学习的地下管道缺陷定位及等级判定方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4118703B2 (ja) * 2002-05-23 2008-07-16 株式会社日立ハイテクノロジーズ 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015095452A1 (en) * 2013-12-19 2015-06-25 Schlumberger Canada Limited Method of obtaining asphaltene content of crude oils
CN103698338A (zh) * 2013-12-24 2014-04-02 南阳汉冶特钢有限公司 一种快速识别钢板表面缺陷的检验方法
CN108352339A (zh) * 2015-09-18 2018-07-31 科磊股份有限公司 自适应自动缺陷分类
CA3063925A1 (en) * 2017-05-17 2018-11-22 Spogen Biotech Inc. Devices, systems, and methods for agrochemical detection and agrochemical compositions
CN109671071A (zh) * 2018-12-19 2019-04-23 南京市测绘勘察研究院股份有限公司 一种基于深度学习的地下管道缺陷定位及等级判定方法

Also Published As

Publication number Publication date
CN110146513A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
CN110146513B (zh) 缺陷判定方法及缺陷判定装置
TWI757825B (zh) 基於假點缺陷檢測之pcb檢修系統及檢修方法
US20060271226A1 (en) Inspection standard setting device, inspection standard setting method and process inspection device
CN113727022B (zh) 巡检图像的采集方法及装置、电子设备、存储介质
CN111179250A (zh) 一种基于多任务学习的工业品缺陷检测系统
CN107895362A (zh) 一种微型接线端子质量检测的机器视觉方法
CN111724375B (zh) 一种屏幕检测方法及系统
TWI715051B (zh) 機器學習方法及應用機器學習方法的自動光學檢測設備
WO2017071406A1 (zh) 金针类元件的引脚检测方法和系统
CN108445020A (zh) 一种玻璃基板缺陷聚集识别方法
CN110020691A (zh) 基于卷积神经网络对抗式训练的液晶屏幕缺陷检测方法
CN115937101A (zh) 质量检测方法、装置、设备及存储介质
CN113780235A (zh) 图标瑕疵检测方法及系统
CN117589770A (zh) Pcb贴片板检测方法、装置、设备及介质
CN109102486B (zh) 基于机器学习的表面缺陷检测方法及装置
WO2019037490A1 (zh) 彩膜基板缺陷的分析方法、检测修复方法及装置
CN110516375B (zh) 一种异常板卡的检测方法、装置、电子设备及存储介质
CN112967224A (zh) 一种基于人工智能的电子电路板检测系统、方法及介质
CN113012137B (zh) 一种面板缺陷检查方法、系统、终端设备及存储介质
TWI785579B (zh) 元件辨識模型之自動模型重建方法及系統
KR101286548B1 (ko) 액정표시장치의 검사 시스템 및 방법
CN113933309A (zh) 一种复测aoi机台检盲孔孔内不良的方法
CN112964737A (zh) 电路板的双面外观检测方法
CN112945986A (zh) 电路板的双面外观检测方法
CN111474181A (zh) 一种成盒制程阶段的面板缺陷检测及分类系统

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
CB02 Change of applicant information

Address after: 9-2 Tangming Avenue, Guangming New District, Shenzhen City, Guangdong Province

Applicant after: TCL China Star Optoelectronics Technology Co.,Ltd.

Address before: 9-2 Tangming Avenue, Guangming New District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen China Star Optoelectronics Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant