CN110672474A - Acf导电粒子压合自动检测方法及装置 - Google Patents
Acf导电粒子压合自动检测方法及装置 Download PDFInfo
- Publication number
- CN110672474A CN110672474A CN201910789707.8A CN201910789707A CN110672474A CN 110672474 A CN110672474 A CN 110672474A CN 201910789707 A CN201910789707 A CN 201910789707A CN 110672474 A CN110672474 A CN 110672474A
- Authority
- CN
- China
- Prior art keywords
- particle
- region
- conductive particle
- image
- conductive
- 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.)
- Pending
Links
- 239000002245 particle Substances 0.000 title claims abstract description 210
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 238000003825 pressing Methods 0.000 title claims abstract description 20
- 238000012795 verification Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims description 34
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000003475 lamination Methods 0.000 abstract description 6
- 239000011521 glass Substances 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 229920001187 thermosetting polymer Polymers 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种ACF导电粒子压合自动检测方法,包括如下步骤:S1、取像步骤;S2、一次导电粒子区域检测步骤;S3、二次导电粒子区域检测步骤;S4、粒子区域选定步骤;S5、粒子区域验证步骤;S6、导电粒子判断步骤;S7、压合结果导出步骤。本发明的可以根据产品规格参数判断ACF导电粒子压合是否合格,实现了ACF检测的自动化,提高检测的准确性和效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种ACF导电粒子压合自动检测方法及装置。
背景技术
液晶显示器除了液晶面板外,在其外围必须连动驱动芯片作为显示讯号之控制用途。COG是chip on glass的缩写,即芯片被直接绑定在玻璃上;FOG是FPC on Glass的缩写。两者都是用于液晶玻璃与电路电气导通的加工方式。其中比较常用的是使用异方性导电膜(ACF)进行电性连接。
ACF是Anisotropic Conductive Film的缩写,其特点在于Z轴电气导通方向与XY绝缘平面的电阻特性具有明显的差异性。当Z轴导通电阻值与XY平面绝缘电阻值的差异超过一定比值后,既可称为良好的导电异方性。导电原理是利用导电粒子连接IC芯片与基板两者之间的电极使之成为导通,同时又能避免相邻两电极间导通短路,而达成只在Z轴方向导通之目的。
异方性导电膜(ACF)是一种显示器件与电路连接所必不可少的关键性材料,主要包括树脂粘合剂、导电粒子两大部分,导电粒子是金属涂覆的聚合物球体,粘合剂是热固性树脂。液晶显示器的封装过程中对导电粒子的检测是非常必要的。目前的技术一般使用面阵相机采集ACF图像进行导电粒子分析,由于导电粒子区域亮度不明显、图像亮度不均匀等难点,导致在进行ACF压合检测中,无法完成ACF导电粒子的大小、数量和分布情况的检测,使检测准确性和效率都不高。
发明内容
针对背景技术中所提到的技术问题,本发明提供了一种ACF导电粒子压合自动检测方法及装置。
本发明所采用的技术方案为:
一种ACF导电粒子压合自动检测方法,包括如下步骤:
S1、取像步骤,采用DALSA相机和LEICA微分干涉成像显微镜取像,使导电粒子在物体表面起伏而产生明显的浮雕效果,得到异方性导电膜绑定后导电粒子的图像;
S2、一次导电粒子区域检测步骤,调整图像的对比度和亮度,采用动态阈值分割算法进行一次导电粒子区域检测,该动态阈值分割算法中使用全局阈值来分割图像;
S3、二次导电粒子区域检测步骤,采用动态阈值分割算法初步判断出可能的导电粒子区域,该动态阈值分割算法中使用局部阈值来分割图像;
S4、粒子区域选定步骤,采用形态学处理算法分割出每个导电粒子区域;
S5、粒子区域验证步骤,验证步骤S4中选定的导电粒子区域,剔除误检区域;
S6、导电粒子判断步骤,判断步骤S5中确认的导电粒子区域中的导电粒子是否合格;
S7、压合结果导出步骤,统计步骤S6中的导电粒子的大小、数量、分布情况,与预设阈值进行比较,判断ACF导电粒子压合是否合格。
优选的,所述步骤S2中,调整图像的对比度和亮度,进行一次导电粒子区域检测的具体步骤包括:
S21、对于亮度不一致的整幅图像,根据亮度分布情况,对图像进行分块;
S22、对任一块分块宽和高为M*N像素的图像O',像素点(i,j)(i∈[0,M-1],j∈[0,N-1])的灰度值为O'(i,j),图像灰度均值mean为:
则增强后的点(i,j)处灰度值为:
式中shift为人工调整参数,用于控制图像的亮度和对比度,得到调整后的图像;
S23、对调整后的图像采用全局阈值分割算法提取粒子区域;
S24、将每块图像中提取的粒子区域合并后进行连通域拆分,将每个导电粒子拆分为独立的区域,得到区域集合C1。
优选的,所述步骤S3中,采用动态阈值分割算法初步判断出可能的导电粒子区域,该方法使用局部阈值来分割图像,具体步骤包括:
S31、对原始图像O中通过步骤S2得到的屏蔽区域C1后进行线性滤波,在图像上对目标像素点提供一个模板,该模板包括了其周围的临近像素,再用模板中的全体像素的平均值来代替原来像素值,得到平滑处理的图像T;
S32、采用动态阈值分割算法提取粒子区域位置,需设定一个偏移量offset,再对图像O屏蔽区域C1后与T上的点(i,j)进行比较,得到二值图像E,则:
(i,j)为目标像素点的坐标,二值图像E中灰度为1的点即为可能的导电粒子区域。
优选的,所述步骤S4中,采用形态学处理算法分割出每个导电粒子区域的具体步骤包括,
S41、采用区域填充算法将步骤S3得到的粒子区域进行填充,得到完整的区域;
S42、对填充后的区域进行圆形结构元素的开运算,剔除多余的区域,将粘连的粒子区域分开;
S43、对开运算后区域进行圆形结构元素的闭运算,修补粒子的缺损区域;
S44、对闭运算后的区域进行连通域拆分,将每个粒子拆分为独立的区域,得到区域集合C'1。
优选的,所述步骤S5中,验证选定的导电粒子区域,剔除误检区域的具体步骤包括,
S51、对C'1中的每个粒子区域,计算各区域的像素宽度w、高度h和区域中心,根据w,h值剔除非粒子区域,得到区域集合C'2;
S52、对C'2中的每个粒子区域,计算区域面积和中心到该区域轮廓点的最大距离,进而计算区域的圆形相似的度因子k,根据k值剔除非粒子区域,得到区域集合C2;
优选的,所述步骤S6中,判断导电粒子区域中的导电粒子是否合格的具体步骤包括,
S61、将区域C1和C2合并,得到全部的粒子区域;
S62、计算每个粒子的外接圆半径,圆形度因子,根据合格粒子的技术参数范围判断导电粒子是否合格。
优选的,所述合格粒子的技术参数包括但不限于导电粒子的大小、导电值。
本发明还揭示了一种ACF导电粒子压合自动检测装置,包括如下单元:
取像单元,用于采用DALSA相机和LEICA微分干涉成像显微镜取像,使导电粒子在物体表面起伏而产生明显的浮雕效果,得到异方性导电膜绑定后导电粒子的图像;
一次导电粒子区域检测单元,用于调整图像的对比度和亮度,采用动态阈值分割算法进行一次导电粒子区域检测,该动态阈值分割算法中使用全局阈值来分割图像;
二次导电粒子区域检测单元,用于采用动态阈值分割算法初步判断出可能的导电粒子区域,该动态阈值分割算法中使用局部阈值来分割图像;
粒子区域选定单元,用于采用形态学处理算法分割出每个导电粒子区域;
粒子区域验证单元,用于验证选定的导电粒子区域,剔除误检区域;
导电粒子判断单元,用于判断确认的导电粒子区域中的导电粒子是否合格;
压合结果导出单元,用于统计导电粒子的大小、数量、分布情况,与预设阈值进行比较,判断ACF导电粒子压合是否合格。
本发明的有益效果主要体现在:
1、根据产品规格参数判断ACF导电粒子压合是否合格,实现了ACF检测的自动化,提高检测的准确性和效率;
2、本发明最小可检测导电粒子半径不大于2.5μm,对于半径4μm以上导电粒子检出率不小于95%,有效地提升导电粒子检测的精度;
3、对单幅图像中三条宽100μm的导电粒子区域的处理时间约0.05s,满足了工业检测中对系统实时性的要求。
附图说明
图1为本发明ACF导电粒子压合自动检测方法的流程图。
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,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是在于限制本发明。
请参见图1所示,本发明揭示的一种ACF导电粒子压合自动检测方法,包括如下步骤:
S1、取像步骤,采用DALSA相机和LEICA微分干涉成像显微镜取像,使导电粒子在物体表面起伏而产生明显的浮雕效果,得到异方性导电膜绑定后导电粒子的图像;
S2、一次导电粒子区域检测步骤,调整图像的对比度和亮度,采用动态阈值分割算法进行一次导电粒子区域检测,该动态阈值分割算法中使用全局阈值来分割图像;
S3、二次导电粒子区域检测步骤,采用动态阈值分割算法初步判断出可能的导电粒子区域,该动态阈值分割算法中使用局部阈值来分割图像;
S4、粒子区域选定步骤,采用形态学处理算法分割出每个导电粒子区域;
S5、粒子区域验证步骤,验证步骤S4中选定的导电粒子区域,剔除误检区域;
S6、导电粒子判断步骤,判断步骤S5中确认的导电粒子区域中的导电粒子是否合格;
S7、压合结果导出步骤,统计步骤S6中的导电粒子的大小、数量、分布情况,与预设阈值进行比较,判断ACF导电粒子压合是否合格。
所述步骤S1中,在ACF线路压制完成后,由于导电粒子尺寸为微米级,线路覆盖后就在线路表面形成微米级的小凸起,直接用普通相机拍摄无法分辨导电粒子凸起与周围区域的灰度变换。因此本发明选用DALSA HS-80-04K40线阵相机加LEICA微分干涉显微镜取像,显微镜配置:LEICA微分干涉棱镜555039+偏光片+OLYMPUS物镜LMPLANFL N BD 10X+DC5V蓝色LED点光源带偏光片。
所述步骤S2中,调整图像的对比度和亮度,进行一次导电粒子区域检测的具体步骤包括:
S21、对于亮度不一致的整幅图像,根据亮度分布情况,对图像进行分块;
S22、对任一块分块宽和高为M*N像素的图像O',像素点(i,j)(i∈[0,M-1],j∈[0,N-1])的灰度值为O'(i,j),图像灰度均值mean为:
则增强后的点(i,j)处灰度值为:
式中shift为人工调整参数,用于控制图像的亮度和对比度,得到调整后的图像;
S23、对调整后的图像采用全局阈值分割算法提取粒子区域;
S24、将每块图像中提取的粒子区域合并后进行连通域拆分,将每个导电粒子拆分为独立的区域,得到区域集合C1。
本发明该步骤中的亮度分布情况为各个像素点的亮度值,将亮度值差异大的区域进行分开。具体的,例如将贴合区域从上至下,划分为10个有交叠的小区域,交叠高度10个像素,对每个小区域进行对比度与亮度调整,shift设为70,采用全局阈值分割出灰度值[0,80]之间的导电粒子区域,该处理过程可以有效提取自适应分割算法无法获取封闭区域的粒子,尤其ACF边缘的粒子。
所述步骤S3中,采用动态阈值分割算法初步判断出可能的导电粒子区域,该方法使用局部阈值来分割图像,具体步骤包括:
S31、对原始图像O中通过步骤S2得到的屏蔽区域C1后进行线性滤波,在图像上对目标像素点(i,j)提供一个模板,该模板包括了其周围的临近像素(如5×5模板,以目标象素为中心的周围24个象素构成一个滤波模板),再用模板中的全体像素的平均值来代替原来像素值,得到平滑处理的图像T;
S32、采用动态阈值分割算法提取粒子区域位置,需设定一个偏移量offset,再对图像O屏蔽区域C1后与T上的点(i,j)进行比较,得到二值图像E,则:
二值图像E中灰度为1的点即为可能的导电粒子区域。
所述步骤S4中,采用形态学处理算法分割出每个导电粒子区域的具体步骤包括:
S41、由于步骤S3得到的粒子区域为粒子的边缘,先采用区域填充算法得到完整的区域;
S42、对填充后区域进行圆形结构元素的开运算,剔除多余的区域,将粘连的粒子区域分开;
S43、对经过开运算后的区域进行圆形结构元素的闭运算,修补粒子的缺损区域;
S44、对经过闭运算后的区域进行连通域拆分,将每个粒子拆分为独立的区域,得到区域集合C'1。
所述步骤S5中,验证选定的导电粒子区域,剔除误检区域的具体步骤包括:
S51、对C'1中的每个粒子区域,计算各区域的像素宽度w、高度h和区域中心,根据w,h值剔除非粒子区域,得到区域集合C'2;
S52、对C'2中的每个粒子区域,计算区域面积和中心到该区域轮廓点的最大距离,进而计算区域的圆形相似的度因子k,根据k值剔除非粒子区域,得到区域集合C2;
所述步骤S6中,判断导电粒子区域中的导电粒子是否合格的具体步骤包括:
S61、将区域C1和C2合并,得到全部的粒子区域;
S62、计算每个粒子的外接圆半径,圆形度因子,根据合格粒子的技术参数范围判断导电粒子是否合格。合格粒子的技术参数包括但不限于导电粒子的大小、导电值等。
本发明还揭示了一种ACF导电粒子压合自动检测装置,包括如下单元:
取像单元,用于采用DALSA相机和LEICA微分干涉成像显微镜取像,使导电粒子在物体表面起伏而产生明显的浮雕效果,得到异方性导电膜绑定后导电粒子的图像;
一次导电粒子区域检测单元,用于调整图像的对比度和亮度,采用动态阈值分割算法进行一次导电粒子区域检测,该动态阈值分割算法中使用全局阈值来分割图像;
二次导电粒子区域检测单元,用于采用动态阈值分割算法初步判断出可能的导电粒子区域,该动态阈值分割算法中使用局部阈值来分割图像;
粒子区域选定单元,用于采用形态学处理算法分割出每个导电粒子区域;
粒子区域验证单元,用于验证选定的导电粒子区域,剔除误检区域;
导电粒子判断单元,用于判断确认的导电粒子区域中的导电粒子是否合格;
压合结果导出单元,用于统计导电粒子的大小、数量、分布情况,与预设阈值进行比较,判断ACF导电粒子压合是否合格。
本发明的有益效果主要体现在:
1、根据产品规格参数判断ACF导电粒子压合是否合格,实现了ACF检测的自动化,提高检测的准确性和效率;
2、本发明最小可检测导电粒子半径不大于2.5μm,对于半径4μm以上导电粒子检出率不小于95%,有效地提升导电粒子检测的精度;
3、对单幅图像中三条宽100μm的导电粒子区域的处理时间约0.05s,满足了工业检测中对系统实时性的要求。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种ACF导电粒子压合自动检测方法,其特征在于,包括如下步骤:
S1、取像步骤,采用DALSA相机和LEICA微分干涉成像显微镜取像,使导电粒子在物体表面起伏而产生明显的浮雕效果,得到异方性导电膜绑定后导电粒子的图像;
S2、一次导电粒子区域检测步骤,调整图像的对比度和亮度,采用动态阈值分割算法进行一次导电粒子区域检测,该动态阈值分割算法中使用全局阈值来分割图像;
S3、二次导电粒子区域检测步骤,采用动态阈值分割算法初步判断出可能的导电粒子区域,该动态阈值分割算法中使用局部阈值来分割图像;
S4、粒子区域选定步骤,采用形态学处理算法分割出每个导电粒子区域;
S5、粒子区域验证步骤,验证步骤S4中选定的导电粒子区域,剔除误检区域;
S6、导电粒子判断步骤,判断步骤S5中确认的导电粒子区域中的导电粒子是否合格;
S7、压合结果导出步骤,统计步骤S6中的导电粒子的大小、数量、分布情况,与预设阈值进行比较,判断ACF导电粒子压合是否合格。
2.根据权利要求1所述的ACF导电粒子压合自动检测方法,其特征在于,所述步骤S2中,调整图像的对比度和亮度,进行一次导电粒子区域检测的具体步骤包括:
S21、对于亮度不一致的整幅图像,根据亮度分布情况,对图像进行分块;
S22、对任一块分块宽和高为M*N像素的图像O',像素点(i,j)(i∈[0,M-1],j∈[0,N-1])的灰度值为O'(i,j),图像灰度均值mean为:
则增强后的点(i,j)处灰度值为:
式中shift为人工调整参数,用于控制图像的亮度和对比度,得到调整后的图像;
S23、对调整后的图像采用全局阈值分割算法提取粒子区域;
S24、将每块图像中提取的粒子区域合并后进行连通域拆分,将每个导电粒子拆分为独立的区域,得到区域集合C1。
3.根据权利要求1所述的ACF导电粒子压合自动检测方法,其特征在于,所述步骤S3中,采用动态阈值分割算法初步判断出可能的导电粒子区域,该方法使用局部阈值来分割图像,具体步骤包括:
S31、对原始图像O中通过步骤S2得到的屏蔽区域C1后进行线性滤波,在图像上对目标像素点提供一个模板,该模板包括了其周围的临近像素,再用模板中的全体像素的平均值来代替原来像素值,得到平滑处理的图像T;
S32、采用动态阈值分割算法提取粒子区域位置,需设定一个偏移量offset,再对图像O屏蔽区域C1后与T上的点(i,j)进行比较,得到二值图像E,则:
(i,j)为目标像素点的坐标,二值图像E中灰度为1的点即为可能的导电粒子区域。
4.根据权利要求1所述的ACF导电粒子压合自动检测方法,其特征在于,所述步骤S4中,采用形态学处理算法分割出每个导电粒子区域的具体步骤包括,
S41、采用区域填充算法将步骤S3得到的粒子区域进行填充,得到完整的区域;
S42、对填充后的区域进行圆形结构元素的开运算,剔除多余的区域,将粘连的粒子区域分开;
S43、对开运算后区域进行圆形结构元素的闭运算,修补粒子的缺损区域;
S44、对闭运算后的区域进行连通域拆分,将每个粒子拆分为独立的区域,得到区域集合C'1。
5.根据权利要求1所述的ACF导电粒子压合自动检测方法,其特征在于,所述步骤S5中,验证选定的导电粒子区域,剔除误检区域的具体步骤包括,
S51、对C'1中的每个粒子区域,计算各区域的像素宽度w、高度h和区域中心,根据w,h值剔除非粒子区域,得到区域集合C'2;
S52、对C'2中的每个粒子区域,计算区域面积和中心到该区域轮廓点的最大距离,进而计算区域的圆形相似的度因子k,根据k值剔除非粒子区域,得到区域集合C2。
6.根据权利要求1所述的ACF导电粒子压合自动检测方法,其特征在于,所述步骤S6中,判断导电粒子区域中的导电粒子是否合格的具体步骤包括,
S61、将区域C1和C2合并,得到全部的粒子区域;
S62、计算每个粒子的外接圆半径,圆形度因子,根据合格粒子的技术参数范围判断导电粒子是否合格。
7.根据权利要求6所述的ACF导电粒子压合自动检测方法,其特征在于,所述合格粒子的技术参数包括但不限于导电粒子的大小、导电值。
8.一种ACF导电粒子压合自动检测装置,其特征在于,包括如下单元:
取像单元,用于采用DALSA相机和LEICA微分干涉成像显微镜取像,使导电粒子在物体表面起伏而产生明显的浮雕效果,得到异方性导电膜绑定后导电粒子的图像;
一次导电粒子区域检测单元,用于调整图像的对比度和亮度,采用动态阈值分割算法进行一次导电粒子区域检测,该动态阈值分割算法中使用全局阈值来分割图像;
二次导电粒子区域检测单元,用于采用动态阈值分割算法初步判断出可能的导电粒子区域,该动态阈值分割算法中使用局部阈值来分割图像;
粒子区域选定单元,用于采用形态学处理算法分割出每个导电粒子区域;
粒子区域验证单元,用于验证选定的导电粒子区域,剔除误检区域;
导电粒子判断单元,用于判断确认的导电粒子区域中的导电粒子是否合格;
压合结果导出单元,用于统计导电粒子的大小、数量、分布情况,与预设阈值进行比较,判断ACF导电粒子压合是否合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910789707.8A CN110672474A (zh) | 2019-08-26 | 2019-08-26 | Acf导电粒子压合自动检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910789707.8A CN110672474A (zh) | 2019-08-26 | 2019-08-26 | Acf导电粒子压合自动检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110672474A true CN110672474A (zh) | 2020-01-10 |
Family
ID=69076461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910789707.8A Pending CN110672474A (zh) | 2019-08-26 | 2019-08-26 | Acf导电粒子压合自动检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672474A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767323A (zh) * | 2021-01-06 | 2021-05-07 | 华兴源创(成都)科技有限公司 | 一种显示模组中各向异性导电膜粒子的检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104729961A (zh) * | 2015-03-27 | 2015-06-24 | 电子科技大学 | 一种各向异性导电膜中粒子的检测方法 |
KR20150111459A (ko) * | 2014-03-24 | 2015-10-06 | 인하대학교 산학협력단 | 전자현미경 영상의 입자 분할 방법 및 장치 |
CN106778789A (zh) * | 2017-01-17 | 2017-05-31 | 湖南优象科技有限公司 | 一种多视点图像中的快速目标提取方法 |
CN109001212A (zh) * | 2018-07-17 | 2018-12-14 | 五邑大学 | 一种基于机器视觉的不锈钢汤勺缺陷检测方法 |
CN109816653A (zh) * | 2019-01-28 | 2019-05-28 | 宁波舜宇仪器有限公司 | 一种用于导电粒子检测的方法 |
-
2019
- 2019-08-26 CN CN201910789707.8A patent/CN110672474A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150111459A (ko) * | 2014-03-24 | 2015-10-06 | 인하대학교 산학협력단 | 전자현미경 영상의 입자 분할 방법 및 장치 |
CN104729961A (zh) * | 2015-03-27 | 2015-06-24 | 电子科技大学 | 一种各向异性导电膜中粒子的检测方法 |
CN106778789A (zh) * | 2017-01-17 | 2017-05-31 | 湖南优象科技有限公司 | 一种多视点图像中的快速目标提取方法 |
CN109001212A (zh) * | 2018-07-17 | 2018-12-14 | 五邑大学 | 一种基于机器视觉的不锈钢汤勺缺陷检测方法 |
CN109816653A (zh) * | 2019-01-28 | 2019-05-28 | 宁波舜宇仪器有限公司 | 一种用于导电粒子检测的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767323A (zh) * | 2021-01-06 | 2021-05-07 | 华兴源创(成都)科技有限公司 | 一种显示模组中各向异性导电膜粒子的检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657606B (zh) | 一种显示装置的亮度缺陷检测方法与装置 | |
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN103558229B (zh) | 一种tft-lcd制程的mura视觉自动检测方法及装置 | |
CN103792699A (zh) | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 | |
CN104729961B (zh) | 一种各向异性导电膜中粒子的检测方法 | |
CN111833306A (zh) | 缺陷检测方法和用于缺陷检测的模型训练方法 | |
CN108416771A (zh) | 一种基于单目相机的金属材料锈蚀面积检测方法 | |
KR20120019425A (ko) | 화상 처리 장치 및 방법, 및 프로그램 | |
CN109816653B (zh) | 一种用于导电粒子检测的方法 | |
CN103295225B (zh) | 弱光照条件下的列车转向架边缘检测方法 | |
Tsai et al. | Low-contrast surface inspection of mura defects in liquid crystal displays using optical flow-based motion analysis | |
CN114926463A (zh) | 一种适用于芯片电路板的生产质量检测方法 | |
CN112862744B (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
CN114332026A (zh) | 一种铭牌表面划痕缺陷的视觉检测方法及装置 | |
CN106501272A (zh) | 机器视觉焊锡定位检测系统 | |
CN104867145A (zh) | 基于vibe模型的ic元件焊点缺陷检测方法 | |
CN104021565A (zh) | 一种基于直线检测的pcb层数及导线厚度测量方法 | |
CN112528868A (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
CN110672474A (zh) | Acf导电粒子压合自动检测方法及装置 | |
JP5088165B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
JP4401991B2 (ja) | 電子部品実装状態検査方法および電子部品実装状態検査装置 | |
CN116468726A (zh) | 一种在线异物线路检测方法及系统 | |
CN107818583A (zh) | 十字中心检测方法及装置 | |
WO2020164201A1 (zh) | Tft阵列基板的缺陷检测方法 | |
Yu et al. | Optimized self-adapting contrast enhancement algorithm for wafer contour extraction |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210917 Address after: 264000 room 3101, block C, Range Rover residence, No. 588, Gangcheng East Street, Laishan District, Yantai City, Shandong Province Applicant after: Yantai perceptual line Intelligent Technology Co.,Ltd. Address before: Room 405, building 3, software park, No. 78, Keling Road, high tech Zone, Suzhou, Jiangsu 215163 Applicant before: Suzhou perceptual line Intelligent Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |