CN111507955A - 光学膜的缺陷判断方法及缺陷判断系统 - Google Patents
光学膜的缺陷判断方法及缺陷判断系统 Download PDFInfo
- Publication number
- CN111507955A CN111507955A CN202010293850.0A CN202010293850A CN111507955A CN 111507955 A CN111507955 A CN 111507955A CN 202010293850 A CN202010293850 A CN 202010293850A CN 111507955 A CN111507955 A CN 111507955A
- Authority
- CN
- China
- Prior art keywords
- defect
- area
- value
- gray scale
- optical film
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 266
- 239000012788 optical film Substances 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005520 cutting process Methods 0.000 claims description 25
- 239000010408 film Substances 0.000 claims description 24
- 244000144992 flock Species 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005388 cross polarization Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06T7/60—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
- G06T2207/10004—Still image; Photographic 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
缺陷判断方法包括以下步骤。首先，获取光学膜的侧面的图像，图像包含光学膜图像区及背景区。然后，取得光学膜图像区的一边界基准线，图像中位于边界基准线上方的面积为基准背景面积。然后，取得基准背景面积相对于背景区的背景区面积的面积差值。然后，依据面积差值，判断光学膜的缺陷类型。
Description
技术领域
本发明是有关于一种缺陷判断方法及缺陷判断系统，且特别是有关于一种 光学膜的缺陷判断方法及缺陷判断系统。
背景技术
习知光学膜在制作完成后通常需要分割成数条面积较小的光学膜。在分割 后，必须以人工肉眼观察方式，观察切割后光学膜的断面(侧面)是否具有缺陷 以及缺陷种类。然而，人工肉眼观察方式容易造成误判。因此，提出一种新的 可增加判断准确度的缺陷判断技术是本技术领域业者努力的目标之一。
发明内容
本发明实施例提出一种光学膜的缺陷判断方法及缺陷判断系统，可改善上 述问题。
本发明一实施例提出一种光学膜的缺陷判断方法。缺陷判断方法包括以下 步骤。获取一光学膜的侧面的一图像，图像包含一光学膜图像区及一背景区； 取得光学膜图像区的一边界基准线，图像中位于边界基准线上方的面积为一基 准背景面积；取得基准背景面积相对于背景区的一背景区面积的一面积差值； 以及，依据面积差值，判断光学膜的一缺陷之类型。
本发明另一实施例提出一种光学膜的缺陷判断系统。输送系统包括一摄像 器及一判断器。摄像器用以获取一光学膜的侧面的一图像，其中，图像包含一 光学膜图像区、一背景区及一缺陷区。判断器用以：取得光学膜图像区的一边 界基准线，图像中位于边界基准线上方的面积为一基准背景面积；取得基准背 景面积相对于背景区的一背景区面积的一面积差值；以及，依据面积差值，判 断光学膜的一缺陷的类型。
本发明另一实施例提出一种光学膜的切割系统。切割系统包括多个滚轮、 一切割刀具及如前述的缺陷判断系统。缺陷判断系统发摄像器邻近于光学膜的 侧面配置。
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的 限定。
附图说明
图1为依照本发明一实施例的光学膜的切割系统的示意图。
图2为图1的缺陷判断系统的功能方块图。
图3A～3C为图2的缺陷判断系统的缺陷判断方法的流程图。
图4A1～4F为图1的光学膜可能发生的数种缺陷类型的图像。
其中，附图标记：
10：光学膜
11：第一子光学膜
11s1、11s2、12s1、12s2：侧面
12：第二子光学膜
20：切割系统
21：滚轮
22：切割刀具
23：激光切割器
100：缺陷判断系统
110A～110D：摄像器
120：判断器
Ab：背景区面积
AL：基准背景面积
ΔA：面积差值
D1：缺陷
D1c：中心点
Gd,av：缺陷区平均灰阶值
Gf,av：图像区平均灰阶值
GL：灰阶下限值
GU：灰阶上限值
h1：距离
L：边界基准线
P：图像
S110～S146B：步骤
S：灰阶值差异处
T1：传输方向
具体实施方式
下面结合附图对本发明的结构原理和工作原理作具体的描述：
为了对本发明的上述及其他方面有更佳的了解，下文特举实施例，并配合 附图详细说明如下。
请参照图1及图2，图1为依照本发明一实施例的光学膜10的切割系统 20的示意图，而图2为图1的缺陷判断系统100的功能方块图。
缺陷判断系统100的缺陷判断方法可采用对缺陷的特征(如尺寸、灰阶值) 分类技术完成。例如，前述特征分类技术为通过摄像器获取待测物的完整图像， 此图像是由许多图元组成，每个图元都有一定的灰阶值(0～255)。因此，通过 一定的数学、逻辑方法可对图元信息进行外观分析，结构分析及几何尺寸的计 算，实现快速对待测物的各种检测。在一实施例中，特征分类技术例如是边缘 检测法，而机器学习分类技术例如监督式学习，从给定的训练数据集中学习出 一个函数，当新的数据到来时，可以根据这个函数预测结果。以电脑进行特征 判断缺陷类型，比人工判断的方式更为准确。
如图1所示，切割系统20包含多个滚轮21、切割刀具22及缺陷判断系统 100。滚轮21可传输光学膜10经过切割刀具22，切割刀具22沿传输方向T1 将光学膜10切割成(分离成)至少二条子光学膜，如第一子光学膜11及第二子 光学膜12。在实施例中，切割刀具22例如是圆盘刀，其可通过旋转运动切断 光学膜10。在一实施例中，切割系统20更包含激光切割器23。滚轮21可传 输光学膜10依序经过激光切割器23及切割刀具22。激光切割器23沿传输方 向T1先对光学膜10进行半切割(不切穿光学膜10)，然后，切割刀具22沿传 输方向T1将光学膜10切割成(分离成)至少二条子光学膜，如第一子光学膜11 及第二子光学膜12。
光学膜10可包含对光学的增益、配向、补偿、转向、直交、扩散、保护、 防黏、耐刮、抗眩、反射抑制、高折射率等有所助益的膜，例如，可为偏光膜、 离型膜、广视角膜、增亮膜、反射膜、保护膜、具有控制视角补偿或双折射 (birefraction)等特性的配向液晶膜、硬涂膜、抗反射膜、防黏膜、扩散膜、防 眩膜等各种表面经处理的膜或上述的组合，但不限于此。
缺陷判断系统100包含至少一摄像器(如摄像器110A～110D)及判断器120。 判断器120例如是采用半导体制程所形成的电路结构。在一实施例中，判断器 120可整合于一处理器(processor)中。
此些摄像器110A～110D的二者分别配置于一子光学膜断面发相对二侧， 其中该相对二侧的至少一者为切割侧。在本实施例中，摄像器110A及110B 分别邻近子光学膜11的相对二侧面11s1及11s2配置，且摄像器110A及110B 分别邻近子光学膜12的相对二侧面12s1及12s2配置。在实施例中，摄像器 110A～110D的照射方向与摄像器110A～110D正对光学膜侧面的正对方向之间 的夹角A1(图1仅以摄像器110B为例绘示)大致上介于±15°，较佳为±5°或 0°。此外，当夹角A1为0°时，表示照射方向与正对方向重合；当夹角A1 不为0°时，表示摄像器斜照光学膜的侧面，即摄像器绕光学膜行进方向公转 后，照射方向与正对方向之间夹一不为0°的角度。
在一实施例中，切割系统20可更包括二切割刀具(图未示)，此二切割刀 具分别切割出光学膜10的二边条，二边条分别自侧面11s1及侧面12s2分离。 切割刀具可为圆盘刀或圆盘刀及激光切割器并用。在此实施例中，侧面11s1 与11s2为切割侧，且侧面12s1与12s2也为切割侧。此外，摄像器110A及110B 分别朝向相对二侧面11s1及11s2，以分别获取相对二侧11s1及11s2的图像。 相似地，摄像器110C及110D分别朝向相对二侧面12s1及12s2，以分别获取 相对二侧面12s1及12s2的图像。
在一实施例中，切割系统20可更包括二切割刀具(图未示)，此二切割刀 具分别切割出光学膜10的二边条(图未示)，二边条分别自侧面11s1及侧面12s2 分离。
判断器120用以分析摄像器110A～110D所获取的图像P，以判断光学膜 10的缺陷类型。以下以图3A～3C及图4A1～4F说明图2的缺陷判断系统100 的缺陷判断方法的流程。图3A～3C为图2的缺陷判断系统100的缺陷判断方 法的流程图，而图4A1～4F为图1的光学膜10可能发生的数种缺陷类型的图 像。
如图4A1所示，图像P的缺陷D1属于凸膜型缺陷。如第4B1图所示， 图像P的缺陷D1属于毛屑型缺陷(例如是基于切割光学膜边缘产生的毛屑)。 如图4C所示，图像P的缺陷D1属于激光起始点型缺陷(例如是基于使用激光 切割光学膜需求所产生的切割起始点缺陷)。如第4D图所示，图像P的缺陷 D1属于气泡型缺陷(例如是基于多层光学膜贴合接口产生的气泡)。如图4E所 示，图像P的缺陷D1属于裂痕型缺陷。如图4F所示，图像P的缺陷D1属于脏污型缺陷。在另一实施例中，光学膜10的缺陷类型不限于前述6种，其 可包含6种以上，或少于6种。
在步骤S110中，数台摄像器110A～110D的至少一者获取对应的子光学膜 的侧面的图像。本发明实施例的缺陷判断方法以摄像器110C获取第二子光学 膜12的侧面12s1的图像为例说明，其余摄像器110A、110B及110D获取对 应的子光学膜的侧面的图像皆可采用类似方法进行缺陷判断，于此不再赘述。
在步骤S110中，判断器120分析所获取的图像P，并区分出图像P的光 学膜图像区Pf及背景区Pb，其中光学膜图像区Pf为摄像器110C所获取的光学 膜10的图像，而背景区Pb为摄像器110C所获取的光学膜10以外的背景的图 像。区分出图像P的光学膜图像区Pf与背景区Pb的方式可采用二值化图像处 理技术完成。以图4A1的图像P举例来说，判断器120对图像P进行二值化 处理。二值化处理后，图像P的光学膜图像区Pf的各像素点具有第一灰阶值， 于图4A1中以点剖面表示，而图像P的背景区Pb的各像素点具有第二灰阶值， 于图4A1中以斜线剖面表示，其中第一灰阶值与第二灰阶值相异。如此，可 通过灰阶值差异区分出光学膜图像区Pf与背景区Pb。
在步骤S113中，如图4A1所示，判断器120取得光学膜图像区Pf的边界 基准线L。例如，判断器120以光学膜图像区Pf与背景区Pb的灰阶值差异处S 中相对变化「较缓和」之处的延伸做为边界基准线L。前述「较缓和」的定义 符合要件：灰阶值差异处S＝|Pf的第一灰阶值-Pb的第二灰阶值|，其中S>Pb的 第二灰阶值，S<Pf的第一灰阶值，且S<(Pf的第一灰阶值+Pb的第二灰阶值)/2。 边界基准线L例如是光学膜10的外表面的轮廓线图像的延伸，即光学膜图像 区Pf与背景区Pb的分界线。当图像P无凸膜型缺陷(如图4A1)及毛屑型缺陷(如 图4B1)时，光学膜图像区Pf的外表面轮廓线例如是直线，如图4C的图像P 中为水平线。
取得边界基准线L后，判断器120计算图像P的位于边界基准线L上方的 基准背景面积AL。以图4A1来说，背景区Pb及缺陷D1位于边界基准线L上 方，因此基准背景面积AL等于背景区Pb的背景区面积Ab与缺陷D1的面积之 和。
在步骤S115中，判断器120取得基准背景面积AL相对于图像P的背景区 Pb的背景区面积Ab的面积差值ΔA。
在另一实施例中，当边界基准线L上方的基准背景面积AL与边界基准线 L下方的光学膜图像区Pf的光学区面积Af大致上相等时，判断器120可取得 光学膜图像区Pf的光学区面积Af相对于背景区Pb的背景区面积Ab的差值， 并以此差值做为面积差值ΔA，其中若缺陷D1位于边界基准线L上方，则光学 区面积Af包含缺陷D1的面积。在此例子中，光学区面积Af相对于背景区Pb之背景区面积Ab的差值大致上等于缺陷D1的面积。
然而，本发明实施例不限定边界基准线L的位置。依据摄像器与光学膜的 侧面的上下相对位置，边界基准线L可位于图像P的任何位置，且边界基准线 L的上、下区域面积可相等或相异。
在步骤S120中，判断器120判断面积差值ΔA是否大于第一面积预设值。 当面积差值ΔA大于第一面积预设值，表示第一子光学膜11存在有缺陷D1且 缺陷D1位于边界基准线L上方，流程进入步骤S130，判断器120判断缺陷 D1的类型，例如是判断缺陷D1属于图4A1的凸膜型缺陷或第4B1图之毛屑 型缺陷。此外，当缺陷D1位于边界基准线L上方时，面积差值ΔA必为正值。
当面积差值ΔA不大于第一面积预设值，表示第一子光学膜11的缺陷D1 不位于边界基准线L上方(可能位于边界基准线L下方)，因此流程进入步骤S140，判断器140接着判断边界基准线L下方的光学膜图像区Pf是否存在有 缺陷D1，例如是否存在有图4C所示的激光起始点型缺陷、第4D图所示的气 泡型缺陷、如图4E所示的裂痕型缺陷或如图4F所示的脏污型缺陷。
在一实施例中，前述第一面积预设值可以面积尺寸值或像素数量。以像素 数量来说，例如是50点，然可依据像素数量换算成对应的尺寸值，或者依据 尺寸值换算成对应的像素数量。
位于边界基准线L上方的缺陷类型判断过程(步骤S130)可通过尺寸分析 完成。以下进一步举例说明。
在步骤S131中，判断器120判断面积差值ΔA是否介于第一面积预设值与 第二面积预设值之间，其中第二面积预设值大于第一面积预设值。以像素数量 来说，第二面积预设值例如是200点。当面积差值ΔA介于第一面积预设值与 第二面积预设值之间，表示缺陷D1可能是毛屑型缺陷，流程进入步骤S132A， 进一步判断缺陷D1是否属于毛屑型缺陷；若否，表示缺陷D1可能是凸膜型 缺陷，则流程进入步骤S133A，进一步判断缺陷D1是否属于凸膜型缺陷。
在步骤S132A中，判断器120判断缺陷D1的第一方向尺寸是否小于第一 尺寸预设值及缺陷D1的第二方向尺寸是否小于第二尺寸预设值。当缺陷D1 的第一方向尺寸小于第一尺寸预设值及缺陷D1的第二方向尺寸小于第二尺寸 预设值，判断器120判定缺陷D1属于毛屑型缺陷。以像素点来说，第一尺寸 预设值及第二尺寸预设值例如是3点。缺陷D1的第一方向尺寸不小于第一尺 寸预设值及缺陷D1的第二方向尺寸不小于第二尺寸预设值的情况(步骤 S132A的「否」结果)于本发明实施例不会发生，因此本文不予讨论。
以图4B1及图4B2举例来说，判断器120判定缺陷D1属于毛屑型缺陷的 方式例如是：取得缺陷D1沿第一方向(如X方向)的各Xi行的像素点数量(如 X1～X3行各为2点)；然后，判断此些Xi行的最大像素点数量是否小于第一尺 寸预设值，例如各Xi行的像素点数量皆等于2，其小于第一尺寸预设值(以3 为例)；然后，取得缺陷D1沿第二方向(如Y方向)的各Yi行的像素点数量(如 Y1～Y4行分别为1、2、2及1点)；然后，判断此些Yi行的最大像素点数量是否小于第二尺寸预设值，例如Y2行具有最大像素点数量(即2)，其小于第二尺 寸预设值(以3为例)。据此，判断器120判定图4B1的缺陷D1属于毛屑型缺 陷。
在步骤S133A中，判断器120判断面积差值ΔA是否大于第二面积预设值。 若是，表示缺陷D1可能属于凸膜型缺陷(如图4A1所示)，流程进入步骤S133B。
在步骤S133B中，判断器120判断缺陷D1的第一方向尺寸是否等于或大 于第一尺寸预设值及缺陷D1的第二方向尺寸是否等于或大于第二尺寸预设值。 若是，流程进入步骤S133C，判断器120判定缺陷D1属于凸膜型缺陷(如图 4A1所示)。缺陷D1的第一方向尺寸不等于或不大于第一尺寸预设值及缺陷 D1的第二方向尺寸不等于或不大于第二尺寸预设值的情况(步骤S133B的「否」 结果)于本发明实施例不会发生，因此本文不予讨论。
以图4A1及图4A2举例来说，判断器120判定缺陷D1属于凸膜型缺陷的 方式例如是：取得缺陷D1沿第一方向(如X方向)的各Xi行的像素点数量(如 X1～X3行分别为5、4及3点)；然后，判断此些Xi行的最大像素点数量是否小 于第一尺寸预设值，例如X1行具有最大像素点数量(即5)，其大于第一尺寸预 设值(以3为例)；然后，取得缺陷D1沿第二方向(如Y方向)的各Yi行的像素 点数量(如Y1～Y5行分别为2、3、3、2及1点)；然后，判断此些Yi行的最大 像素点数量是否小于第二尺寸预设值，例如Y3行具有最大像素点数量(即3)， 其等于第二尺寸预设值(以1为例)。据此，判断器120判定图4A1所示的缺陷 D1属于凸膜型缺陷。
位于边界基准线L下方的缺陷类型判断过程(步骤S140)可通过灰阶值分 析完成。以下进一步举例说明。
在步骤S141中，判断器120取得光学膜图像区Pf的缺陷D1的缺陷区平 均灰阶值Gd,av。详言之，缺陷D1的像素灰阶值与光学膜图像区Pf的缺陷D1 以外区域的像素灰阶值不同，因此判断器120可通过光学膜图像区Pf的各像素 的灰阶值差异来判断缺陷D1的分布区域，以及缺陷D1的分布区域的缺陷区 平均灰阶值Gd,av。
在步骤S142中，判断器120判断缺陷平均灰阶值Gd,av是否介于灰阶下限 值GL与灰阶上限值GU之间。若是，流程进入步骤S144，判断器120判定缺 陷D1属于脏污型缺陷。在一实施例中，灰阶下限值GL例如是30，而灰阶上 限值GU例如是70(当灰阶值为0时，颜色为黑色，而当灰阶值为255时，颜 色为白色)。以第4F图举例来说，由于脏污的灰阶值(颜色)范围颜色大致上介 于灰阶下限值GL与灰阶上限值GU之间。因此，当缺陷平均灰阶值Gd,av介于 灰阶下限值GL与灰阶上限值GU之间时，判断器120判断图4F的缺陷D1属 于脏污型缺陷。
在步骤S142中，当缺陷平均灰阶值Gd,av未介于灰阶下限值GL与灰阶上 限值GU之间，表示缺陷D1可能属于激光起始点缺陷(如图4C所示)，流程进 入步骤S143A，判断器120进一步确认缺陷D1是否属于激光起始点缺陷。
在步骤S143A中，判断器120判断缺陷D1的缺陷区平均灰阶值Gd,av是否 小于灰阶下限值GL。若是，则流程进入步骤S143B，再进一步判断缺陷D1 是否属于激光起始点型缺陷(如图4C所示)；若否，表示缺陷D1可能属于气泡 型缺陷(如图4D所示)或裂痕型缺陷(如图4E所示)，则流程进入步骤S145A， 进一步判断缺陷D1属于气泡型缺陷或裂痕型缺陷。
在步骤S143B中，如图4C所示，判断器120判断光学膜图像区Pf的边界 基准线L与缺陷D1的中心点D1c之间的距离h1是否大于预设距离值。若是， 则流程进入步骤S143C，判断器120判定图4C所示的缺陷D1属于激光起始 点型缺陷。在实施例中，预设距离值例如是200微米。若距离h1不大于预设 距离值(步骤S143B的「否」结果)，判断器120判断缺陷D1属于其它类型缺 陷。
在步骤S145A中，判断器120取得光学膜图像区Pf发图像区平均灰阶值 Gf,av。详言之，判断器120可分析光学膜图像区Pf的全区的各像素点的灰阶值， 并据以计算此些像素点的平均值，此平均值即图像区平均灰阶值Gf,av。
在步骤S145B中，判断器120判断缺陷区平均灰阶值Gd,av是否大于图像 区平均灰阶值Gf,av。若是，流程进入步骤S145C。缺陷区平均灰阶值Gd,av不 大于图像区平均灰阶值Gf,av的情况(步骤S145B的「否」结果)于本发明实施例 不会发生，因此本文不予讨论。
在步骤S145C中，判断器120判断缺陷区平均灰阶值Gd,av是否小于灰阶 下限值GL。若否，流程进入步骤S145D，判断器120判定缺陷D1属于气泡型 缺陷(如图4D所示)。当缺陷区平均灰阶值Gd,av不小于灰阶下限值GL，流程进 入步骤S146A。
在步骤S146A中，判断器120判断光学膜图像区Pf的边界基准线L与缺 陷D1的中心点D1c之间的距离h1是否大于预设距离。若是，流程进入步骤 S146B。若否，则判断器120判断缺陷D1属于其它类型缺陷。
在步骤S146B中，判断器120判定缺陷D1属于裂痕型缺陷(如图4E所示)。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情 况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但 这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (21)
1.一种光学膜之缺陷判断方法，其特征在于，包括：
获取一光学膜的侧面的一图像，该图像包含一光学膜图像区及一背景区；
取得该光学膜图像区的一边界基准线，该图像中位于该边界基准线上方的面积为一基准背景面积；
取得该基准背景面积相对于该背景区的一背景区面积的一面积差值；以及
依据该面积差值，判断该光学膜的一缺陷的类型。
2.如权利要求1所述的缺陷判断方法，其特征在于，在判断该缺陷的类型的步骤中，该缺陷判断方法包括：
判断该面积差值是否大于一第一面积预设值；
当该面积差值大于该第一面积预设值，判断该缺陷位于该边界基准线上方。
3.如权利要求2所述的缺陷判断方法，其特征在于，判断该缺陷位于该边界基准线上方的步骤包括：
判断该面积差值是否介于该第一面积预设值与一第二面积预设值之间；
当该面积差值介于该第一面积预设值与该第二面积预设值之间，判断该缺陷的一第一方向尺寸是否小于一第一尺寸预设值及该缺陷的一第二方向尺寸是否小于一第二尺寸预设值；以及
当该缺陷之该第一方向尺寸小于该第一尺寸预设值及该缺陷的该第二方向尺寸小于该第二尺寸预设值，判定该缺陷属于一毛屑型缺陷。
4.如权利要求2所述的缺陷判断方法，其特征在于，判断该缺陷位于该边界基准线上方的步骤包括：
判断该面积差值是否大于一第二面积预设值；
当该面积差值大于该第二面积预设值，判断该缺陷的一第一方向尺寸是否等于或大于一第一尺寸预设值及该缺陷的一第二方向尺寸是否等于或大于一第二尺寸预设值；
当该缺陷的该第一方向尺寸等于或大于该第一尺寸预设值及该缺陷的该第二方向尺寸等于或大于该第二尺寸预设值，判定该缺陷属于一凸膜型缺陷。
5.如权利要求1所述的缺陷判断方法，其特征在于，在判断该缺陷的类型的步骤中，该缺陷判断方法包括：
判断该面积差值是否大于一第一面积预设值；以及
当该面积差值不大于该第一面积预设值，判断该缺陷位于该光学膜图像区。
6.如权利要求2或5所述的缺陷判断方法，其特征在于，该第一面积预设值为面积尺寸值或像素数量。
7.如权利要求5所述的缺陷判断方法，其特征在于，在判断该缺陷位于该光学膜图像区的步骤包括：
取得该光学膜图像区的该缺陷的一缺陷区平均灰阶值；
判断该缺陷区平均灰阶值是否介于一灰阶下限值与一灰阶上限值之间；以及
当该缺陷区平均灰阶值介于该灰阶下限值与该灰阶上限值之间，判定该缺陷属于一脏污型缺陷。
8.如权利要求5所述的缺陷判断方法，其特征在于，在判断该缺陷位于该光学膜图像区的步骤包括：
取得该光学膜图像区的该缺陷的一缺陷区平均灰阶值；
取得该光学膜图像区的一图像区平均灰阶值；
判断该缺陷区平均灰阶值是否大于该图像区平均灰阶值；以及
当该缺陷区平均灰阶值大于该图像区平均灰阶值，判定该缺陷属于一气泡型缺陷。
9.如权利要求5所述的缺陷判断方法，其特征在于，在判断该缺陷区位于该光学膜图像区的步骤包括：
取得该光学膜图像区的该缺陷的一缺陷区平均灰阶值；
判断该缺陷区平均灰阶值是否小于一灰阶下限值；
判断该边界基准线与该缺陷区的中心点之间的距离是否大于一预设距离值；
当该距离大于该预设距离值，判定该缺陷属于一激光起始点型缺陷。
10.如权利要求5所述的缺陷判断方法，其特征在于，在判断该缺陷区位于该光学膜图像区的步骤包括：
取得该光学膜图像区的该缺陷的一缺陷区平均灰阶值；
取得该光学膜图像区的一图像区平均灰阶值；
判断该缺陷区平均灰阶值是否大于该图像区平均灰阶值；
当该缺陷区平均灰阶值大于该图像区平均灰阶值，判断该缺陷区平均灰阶值是否小于一灰阶下限值；
当该缺陷区平均灰阶值小于该灰阶下限值，判断该边界基准线与该缺陷的中心点之间的距离是否大于一预设距离值；
当该距离大于该预设距离值，判定该缺陷属于一裂痕型缺陷。
11.一种光学膜的缺陷判断系统，其特征在于，包括：
一摄像器，用以获取一光学膜的侧面的一图像，其中，该图像包含一光学膜图像区、一背景区及一缺陷区；以及
一判断器，用以：
取得该光学膜图像区的一边界基准线，该图像中位于该边界基准线上方的面积为一基准背景面积；
取得该基准背景面积相对于该背景区的一背景区面积的一面积差值；及
依据该面积差值，判断该光学膜的一缺陷的类型。
12.如权利要求11所述的缺陷判断系统，其特征在于，在判断该缺陷的类型的步骤中，该判断器更用以：
判断该面积差值是否大于一第一面积预设值；
当该面积差值大于该第一面积预设值，判断该缺陷位于该边界基准线上方。
13.如权利要求12所述的缺陷判断系统，其特征在于，在判断该缺陷位于该边界基准线上方的步骤中，该判断器更用以：
判断该面积差值是否介于该第一面积预设值与一第二面积预设值之间；
当该面积差值介于该第一面积预设值与该第二面积预设值之间，判断该缺陷的一第一方向尺寸是否小于一第一尺寸预设值及该缺陷的一第二方向尺寸是否小于一第二尺寸预设值；以及
当该缺陷的该第一方向尺寸小于该第一尺寸预设值及该缺陷的该第二方向尺寸小于该第二尺寸预设值，判定该缺陷属于一毛屑型缺陷。
14.如权利要求12所述的缺陷判断系统，其特征在于，在判断该缺陷位于该边界基准线上方的步骤中，该判断器更用以：
判断该面积差值是否大于一第二面积预设值；
当该面积差值大于该第二面积预设值，判断该缺陷的一第一方向尺寸是否等于或大于一第一尺寸预设值及该缺陷的一第二方向尺寸是否等于或大于一第二尺寸预设值；以及
当该缺陷的该第一方向尺寸等于或大于该第一尺寸预设值及该缺陷的该第二方向尺寸等于或大于该第二尺寸预设值，判定该缺陷属于一凸膜型缺陷。
15.如权利要求11所述的缺陷判断系统，其特征在于，在判断该缺陷的类型的步骤中，该判断器更用以：
判断该面积差值是否大于一第一面积预设值；以及
当该面积差值不大于该第一面积预设值，判断该缺陷位于该光学膜图像区。
16.如权利要求11所述的缺陷判断系统，其特征在于，在判断该缺陷位于该光学膜图像区的步骤中，该判断器更用以：
取得该光学膜图像区的该缺陷的一缺陷区平均灰阶值；
判断该缺陷区平均灰阶值是否介于一灰阶下限值与一灰阶上限值之间；以及
当该缺陷区平均灰阶值介于该灰阶下限值与该灰阶上限值之间，判定该缺陷属于一脏污型缺陷。
17.如权利要求15所述的缺陷判断系统，其特征在于，在判断该缺陷位于该光学膜图像区的步骤中，该判断器更用以：
取得该光学膜图像区的该缺陷的一缺陷区平均灰阶值；
取得该光学膜图像区的一图像区平均灰阶值；
判断该缺陷区平均灰阶值是否大于该图像区平均灰阶值；以及
当该缺陷区平均灰阶值大于该图像区平均灰阶值，判定该缺陷属于一气泡型缺陷。
18.如权利要求15所述的缺陷判断系统，其中在判断该缺陷位于该光学膜图像区的步骤中，该判断器更用以：
取得该光学膜图像区的该缺陷的一缺陷区平均灰阶值；
判断该缺陷区平均灰阶值是否小于一灰阶下限值；
判断该边界基准线与该缺陷区的中心点之间的距离是否大于一预设距离值；
当该距离大于该预设距离值，判定该缺陷属于一激光起始点型缺陷。
19.如权利要求15所述的缺陷判断系统，其特征在于，在判断该缺陷位于该光学膜图像区的步骤中，该判断器更用以：
取得该光学膜图像区的该缺陷的一缺陷区平均灰阶值；
取得该光学膜图像区的一图像区平均灰阶值；
判断该缺陷区平均灰阶值是否大于该图像区平均灰阶值；
当该缺陷区平均灰阶值大于该图像区平均灰阶值，判断该缺陷区平均灰阶值是否小于一灰阶下限值；
当该缺陷区平均灰阶值小于该灰阶下限值，判断该边界基准线与该缺陷的中心点之间的距离是否大于一预设距离值；
当该距离大于该预设距离值，判定该缺陷属于一裂痕型缺陷。
20.一种光学膜的切割系统，其特征在于，包括：
复多个滚轮；
一切割刀具；及
如权利要求11～19的任一项所述的缺陷判断系统，其特征在于，该缺陷判断系统的该摄像器邻近于该光学膜的该侧面配置。
21.如权利要求20所述的切割系统，其特征在于，该摄像器的照射方向与该摄像器正对该侧面的正对方向之间的夹角介于±15°。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108121331 | 2019-06-19 | ||
| TW108121331A TWI783154B (zh) | 2019-06-19 | 2019-06-19 | 光學膜之缺陷判斷方法、缺陷判斷系統及使用其之切割系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111507955A true CN111507955A (zh) | 2020-08-07 |
| CN111507955B CN111507955B (zh) | 2024-03-08 |
Family
ID=71864111
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010293850.0A Active CN111507955B (zh) | 2019-06-19 | 2020-04-15 | 光学膜的缺陷判断方法及缺陷判断系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111507955B (zh) |
| TW (1) | TWI783154B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080292169A1 (en) * | 2007-05-21 | 2008-11-27 | Cornell University | Method for segmenting objects in images |
| CN104792794A (zh) * | 2015-04-28 | 2015-07-22 | 武汉工程大学 | 基于机器视觉的光学薄膜表面缺陷检测方法 |
| TW201741650A (zh) * | 2016-05-24 | 2017-12-01 | Ｌｇ化學股份有限公司 | 偵測光學膜之缺陷的系統與方法 |
| CN109387525A (zh) * | 2017-08-09 | 2019-02-26 | 苏州精濑光电有限公司 | 一种膜上膜内缺陷的判定方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014097885A1 (ja) * | 2012-12-18 | 2014-06-26 | 住友化学株式会社 | 光学表示デバイスの生産方法及び光学表示デバイスの生産システム |
| TWI603074B (zh) * | 2015-07-03 | 2017-10-21 | 元智大學 | 光學薄膜缺陷辨識方法及其系統 |
-
2019
- 2019-06-19 TW TW108121331A patent/TWI783154B/zh active
-
2020
- 2020-04-15 CN CN202010293850.0A patent/CN111507955B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080292169A1 (en) * | 2007-05-21 | 2008-11-27 | Cornell University | Method for segmenting objects in images |
| CN104792794A (zh) * | 2015-04-28 | 2015-07-22 | 武汉工程大学 | 基于机器视觉的光学薄膜表面缺陷检测方法 |
| TW201741650A (zh) * | 2016-05-24 | 2017-12-01 | Ｌｇ化學股份有限公司 | 偵測光學膜之缺陷的系統與方法 |
| CN109387525A (zh) * | 2017-08-09 | 2019-02-26 | 苏州精濑光电有限公司 | 一种膜上膜内缺陷的判定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202101381A (zh) | 2021-01-01 |
| TWI783154B (zh) | 2022-11-11 |
| CN111507955B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114723701B (zh) | 基于计算机视觉的齿轮缺陷检测方法和系统 | |
| CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
| CN109377485A (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
| CN107437243B (zh) | 基于x光图像的轮胎杂质检测方法及装置 | |
| CN115082683A (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
| CN115311294B (zh) | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法 | |
| CN115375686B (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
| US7599050B2 (en) | Surface defect inspecting method and device | |
| CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
| CN112529876A (zh) | 一种隐形眼镜边缘缺陷的检测方法 | |
| WO2020110667A1 (ja) | 表面欠陥検出方法、表面欠陥検出装置、鋼材の製造方法、鋼材の品質管理方法、鋼材の製造設備、表面欠陥判定モデルの生成方法、及び表面欠陥判定モデル | |
| CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
| US9594021B2 (en) | Apparatus of detecting transmittance of trench on infrared-transmittable material and method thereof | |
| CN116993682B (zh) | 基于图像数据分析的角膜塑形镜瑕疵区域提取方法 | |
| CN115063423A (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
| CN108346138B (zh) | 一种基于图像处理的表面缺陷检测方法及系统 | |
| KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
| CN114863492A (zh) | 一种低质量指纹图像的修复方法及修复装置 | |
| EP3008445A1 (fr) | Methode de traitement de l'image numerique de la surface d'un pneumatique en vue de la detection d'une anomalie | |
| TWI771594B (zh) | 缺陷判斷訓練方法及應用其之系統以及缺陷判斷方法及應用其之系統 | |
| CN116993719A (zh) | 一种oca光学薄膜表面缺陷视觉检测方法及系统 | |
| CN111507955A (zh) | 光学膜的缺陷判断方法及缺陷判断系统 | |
| CN109934817B (zh) | 一种果体外部轮廓畸形检测方法 | |
| US8761444B2 (en) | Apparatus and method for determining kind of steel material | |
| Louban | Image processing of edge and surface defects |
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 |