CN111784684A - 基于激光辅助的透明产品内部缺陷定深检测方法及装置 - Google Patents
基于激光辅助的透明产品内部缺陷定深检测方法及装置 Download PDFInfo
- Publication number
- CN111784684A CN111784684A CN202010668965.3A CN202010668965A CN111784684A CN 111784684 A CN111784684 A CN 111784684A CN 202010668965 A CN202010668965 A CN 202010668965A CN 111784684 A CN111784684 A CN 111784684A
- Authority
- CN
- China
- Prior art keywords
- defect
- laser
- image
- detection
- depth
- 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 182
- 238000001514 detection method Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 239000004973 liquid crystal related substance Substances 0.000 claims description 32
- 239000000047 product Substances 0.000 claims description 27
- 239000011521 glass Substances 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 17
- 239000010410 layer Substances 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 241001156002 Anthonomus pomorum Species 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 5
- 230000006740 morphological transformation Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012887 quadratic function Methods 0.000 claims description 4
- 239000011265 semifinished product Substances 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 claims 1
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000758 substrate Substances 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
-
- 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
- G06T2207/30—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)
- 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)
Abstract
本发明提供了一种基于激光辅助的透明产品内部缺陷定深检测方法及装置,该方法包括以下步骤:采用激光倾斜投射在透明的检测对象上,检测对象的上表面与下表面分别形成清晰的上表面光斑和下表面光斑;检测相机下降,以△为步进单位匀速下降,拍摄N张图像并依次记录为Pic_1~Pic_n;对每张图像中的上表面光斑、缺陷、下表面光斑分别进行清晰度计算,判断上表面光斑、缺陷和下表面光斑各自最佳清晰度所在图像分别为Pic_n1、Pic_n2、Pic_n3;以缺陷与上表面的垂直距离作为缺陷深度d,计算缺陷深度d为:d=检测对象的厚度*(n2‑n1)/(n3‑n1)±(0.5*△)。本发明能够全自动化且准确计算出缺陷所在深度位置,有利于判断缺陷从哪些工序产生的,进一步改进工序,提高良品率。
Description
技术领域
本发明涉及AOI复判设备技术领域,具体而言,涉及一种基于激光辅助的透明产品内部缺陷定深检测方法及装置。
背景技术
AOI(Automatic Optical Inspection,自动光学检测)是液晶行业广泛使用的测量手段,而其中AOI设备是液晶行业广泛使用的检测设备。AOI设备可用于检测液晶面板/玻璃的表面的图型是否符合规定、是否存在由破坏性物质造成的缺陷以及判定破坏性物质等造成的缺陷的准确位置,如直接采用AOI设备对液晶面板/玻璃拍照得到较为清晰的图像,并通过对该图像的分析来对基板是否存在缺陷进行检测,检测到液晶面板/玻璃存在缺陷后需要进行复判,对缺陷类型以及缺陷存在的位置进行区别划分,从而判断出液晶面板/玻璃在生产过程中,是哪些工序造成缺陷的产生。
发明内容
为解决上述缺陷,本发明提供了一种基于激光辅助的透明产品内部缺陷定深检测方法及装置,该方法能够全自动化且准确计算出缺陷所在深度位置,有利于判断缺陷从哪些工序产生的,进一步改进工序,提高良品率。
第一方面,本发明提供一种基于激光辅助的透明产品内部缺陷定深检测方法,其至少包括以下步骤:
采用激光倾斜投射在透明的检测对象上,使得检测对象的上表面与下表面分别形成清晰的上表面光斑和下表面光斑;
检测相机匀速下降,当检测相机的光学镜头与检测对象上表面的垂直距离等于光学镜头工作距离时,以△为步进单位匀速下降,拍摄N张图像并依次记录为Pic_1~Pic_n;
对每张图像中的上表面光斑、缺陷、下表面光斑分别进行清晰度计算、对比,判断上表面光斑、缺陷和下表面光斑各自最佳清晰度所在图像分别为Pic_n1、Pic_n2、Pic_n3;
以缺陷与上表面的垂直距离作为缺陷深度d,计算缺陷深度d为:d=检测对象的厚度*(n2-n1)/(n3-n1)±(0.5*△)。
于本发明的一种实施方式中,所述检测对象选自单层玻璃、液晶面板半成品或液晶面板。
于本发明的一种实施方式中,当检测对象为液晶面板半成品或液晶面板时,所述基于激光光斑辅助的液晶面板缺陷分层检测方法还包括将缺陷深度d与各层级进行对比,判断缺陷的所处的层级的步骤。
于本发明的一种实施方式中,采用测距传感器检测检测相机的光学镜头与检测对象上表面的垂直距离。
于本发明的一种实施方式中,激光与检测对象的法线之间夹角范围为30-60°。
于本发明的一种实施方式中,分别对每一张图像中的上表面光斑、缺陷、下表面光斑进行清晰度判定,清晰度选用方差法、能量梯度法、Brenner梯度法、Tenegrad梯度法或laplace梯度法中的任意一种进行计算。
方差法采用以下公式计算清晰度:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,f(x,y)为某一图像上x,y坐标处的像素值,M,N为图像分辨率,E为整幅图片的平均灰度值。
能量梯度法采用以下公式计算清晰度:
式中,x,y为某一图像上的横坐标和纵坐标,M,N为图像分辨率。能量梯度函数适合实时评价图像清晰度。
Brenner梯度法计算相差两个单元的两个像素点的灰度差:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,(f(x+2,y)-f(x,y))2>阈值,M,N为图像分辨率。
Tenegrad梯度法采用sobel算子分别提取水平和竖直方向的梯度:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,G(x,y)>阈值,M,N为图像分辨率。
sobel算子模板如下:
Laplace梯度法用Laplace算子替代Tenegrad梯度法中sobel算子。Laplace梯度法以采用以下公式计算清晰度:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,L(x,y)>阈值,M,N为图像分辨率。
Laplace算子模板如下:
于本发明的一种实施方式中,所述最佳清晰度所在图像由清晰度数值最高点对应的图像直接获得。
于本发明的一种实施方式中,所述最佳清晰度所在图像获得方式为利用最小二乘法将清晰度数值与图像深度拟合成二次函数关系的清晰度曲线,求得曲线最高点,并根据最高点推算出最佳清晰度所在图像。
于本发明的一种实施方式中,所述基于激光光斑辅助的液晶面板缺陷分层检测还包括选取缺陷最佳清晰度的图像进行缺陷特征提取,判断缺陷等级的步骤。
于本发明的一种实施方式中,所述选取缺陷最佳清晰度的图像进行缺陷特征提取,判断缺陷等级的步骤包括以下过程:
1)滤波除去噪声;
2)对图像进行傅里叶变换,由图像空间转换到频域空间;
3)寻找频域空间高能量区域,并将高能量区域置零;
4)进行反傅里叶变换,提取缺陷结构图;
5)对缺陷结构图设定高、低阈值进行图像分割得到二值化图像;
6)对二值化图像通过形态学变换得到清晰的缺陷图;
7)对清晰的缺陷图进行缺陷精确分割计算得到缺陷面积,将缺陷面积与缺陷等级进行对比得到缺陷等级的分类。
第二方面,本发明提供一种基于激光辅助的透明产品内部缺陷定深检测装置,其采用上述所述方法对检测对象进行检测,其包括能够匀速上下运动的检测相机、普通光源和激光光源,所述检测相机设置于检测对象的上方,所述普通光源与所述检测相机设置于检测对象的同侧或者异侧,所述激光光源与所述检测相机设置于检测对象的同侧,所述激光光源与检测对象的法线呈30-60°。
综上所述,本发明提供一种基于激光辅助的透明产品内部缺陷定深检测方法及装置,本发明的有益效果是:
本发明将光源和检测相机置于透明产品(比如玻璃盖板、液晶面板)的同侧或异侧,检测相机相对于透明产品位置固定,在透明产品相对静止的状态下,检测相机通过不断的调整光学镜头变换镜头工作距离取像,相当于检测相机在透明产品厚度方向的不同位置照出多张照片,如果缺陷处在某一取向层,那么此层所取得的缺陷图像是最清楚的,其他层的图像模糊,由此判断缺陷所在位置。通过获得缺陷深度位置可判断缺陷从哪些工序产生的,进一步改进工序,提高良品率。
进一步,本发明通过激光光斑的辅助可以全自动化且准确计算出透明产品中缺陷所在深度位置,有效地提高的检测准确性,使得误差<0.05mm。并且,本发明对检测对象的承载平台的平整性要求不高,大大降低了检测难度,提高了检测效率。
附图说明
图1为实施例1提供的基于激光辅助的透明产品内部缺陷定深检测装置的结构示意图。
图2为实施例2中玻璃盖板的上表面与下表面形成上表面光斑和下表面光斑示意图。
图3为实施例2提供的上表面光斑、缺陷和下表面光斑的清晰度趋势图。
图4为实施例3将清晰度数值与图像深度拟合出二次函数关系的清晰度曲线。
图5为实施例1提供的基于激光辅助的透明产品内部缺陷定深检测装置的结构示意图。
图6为实施例1提供的基于激光辅助的透明产品内部缺陷定深检测装置的结构示意图。
图中,1、检测相机;2、玻璃盖板;21、上表面光斑;22、下表面光斑;3、激光光源;4、普通光源;5、液晶面板。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
实施例1
激光的发射原理及产生过程的特殊性决定了激光具有特点:即三好(单色性好、相干性好、方向性好)一高(亮度高)。激光发射的各个光子频率相同,激光是最好的单色光源。由于受激辐射的光子在相位上是一致的,再加之谐振腔的选模作用,使激光束横截面上各点间有固定的相位关系,所以激光的空间相干性很好。激光束的发散角很小,几乎是一平行的光线,激光的亮度可比普通光源高出一千多倍。激光斜投射在透明的检测对象上,会在检测对象的上下表面形成两个清晰的反射光斑,且两个光斑的相对位置固定。采用此原理本发明设计出基于激光光斑辅助的缺陷定深检测装置。
一种玻璃缺陷定深检测装置,包括能够匀速上下运动的检测相机1、普通光源4、测距传感器和激光光源3,检测相机1设置于检测对象的上方,普通光源4与检测相机1设置于检测对象的同侧(如图1、图4所示)或者异侧(如图5所示),测距传感器设置于检测对象的上方,测距传感器用来检测检测相机的光学镜头与检测对象上表面的垂直距离,激光光源3与检测相机1设置于检测对象的同侧,激光光源3与检测对象的法线呈30-60°,优选为30-35°、35-40°、40-45°、45-50°、50-55°、55-60°,保证上下表面的两个光斑互相不遮挡。
实施例2
一种基于激光辅助的透明产品内部缺陷定深检测装置,用于检测透明的单一玻璃盖板的缺陷,其包括以下步骤:
S1:如图1所示,采用激光光源3倾斜投射在透明的玻璃盖板2上,使得玻璃盖板2的上表面与下表面分别形成清晰的上表面光斑21和下表面光斑22,如图2所示。
S2:检测相机1匀速下降,当检测相机1的光学镜头与检测对象上表面的垂直距离等于光学镜头工作距离时,以△为步进单位匀速下降,拍摄N张图像并依次记录为Pic_1~Pic_n;其中,一般△=5-50μm。
S3:检测相机1视野内存在三类可观测物体,上表面光斑Dot_a 21,下表面光斑22Dot_b以及缺陷(Defect),对每张图像中的Dot_a、Defect、Dot_b分别进行清晰度计算、对比,判断Dot_a、Defect和Dot_b各自最佳清晰度所在图像分别为Pic_n1、Pic_n2、Pic_n3。
具体的,本实施例中清晰度选用方差法进行计算,比如,共拍摄67张图像,f(x,y)为图像上x,y坐标处的像素值,采用以下公式计算清晰度:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,f(x,y)为某一图像上x,y坐标处的像素值,M,N为图像分辨率,E为整幅图片的平均灰度值。
图3显示为上表面光斑21、缺陷和下表面光斑22的清晰度趋势图,如图所示,纵坐标为每个物体清晰度的计算值,横坐标为图片张数,从图3中可以读出图内Dot_a的最佳清晰度出现在第22张图像,即n1=22,Dot_b的最佳清晰度出现在第43张图像,即n2=43,Defect出现第34张图像,即n3=34。
S4:以缺陷与上表面的垂直距离作为缺陷深度d,计算缺陷深度d为:d=检测对象的厚度*(n2-n1)/(n3-n1)±(0.5*△)。
假设玻璃盖板2厚度为600μm,上下表面之间共n3-n1=43-22=21张图像,defect出现在21张图中的第12(n2-n1=34-22)张,则缺陷深度d=检测对象的厚度*(n2-n1)/(n3-n1)±(0.5*△)=342±15μm。同等类推,通过增加拍照张数,减少拍照间隔,可以获得更精确的缺陷定位。
S5:选取缺陷最清晰的图像进行缺陷特征提取,判断缺陷等级。
具体的,选取第34张图像进行缺陷特征提取,包括以下过程:1)滤波除去噪声;2)对图像进行傅里叶变换,由图像空间转换到频域空间;3)寻找频域空间高能量区域,并将高能量区域置零;4)反傅里叶变换,提取出缺陷的结构图;5)对缺陷的结构图设定高、低阈值进行图像分割得到二值化图像;6)对二值化图像通过形态学变换得到清晰的缺陷图;7)对清晰的缺陷图进行缺陷精确分割计算得到缺陷面积,将缺陷面积与缺陷等级进行对比得到缺陷等级的分类。
实施例3
一种基于激光辅助的透明产品内部缺陷定深检测装置,用于检测透明的单一玻璃盖板的缺陷,其包括以下步骤:
S1:如图1所示,采用激光光源3倾斜投射在透明的玻璃盖板2上,使得玻璃盖板2的上表面与下表面分别形成清晰的上表面光斑21和下表面光斑22,如图2所示。
S2:检测相机1匀速下降,当检测相机1的光学镜头与检测对象上表面的垂直距离等于光学镜头工作距离时,以△为步进单位匀速下降,拍摄N张图像并依次记录为Pic_1~Pic_n;其中,一般△=5-50μm。
S3:检测相机1视野内存在三类可观测物体,上表面光斑Dot_a,下表面光斑Dot_b以及缺陷(Defect),对每张图像中的Dot_a、Defect、Dot_b分别进行清晰度计算、对比,判断Dot_a、Defect和Dot_b各自最佳清晰度所在图像分别为Pic_n1、Pic_n2、Pic_n3。
具体的,本实施例中清晰度选用方差法进行计算,比如,共拍摄70张图像,f(x,y)为图像上x,y坐标处的像素值,采用以下公式计算清晰度:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,f(x,y)为某一图像上x,y坐标处的像素值,M,N为图像分辨率,E为整幅图片的平均灰度值。
然后,判断上表面光斑21、缺陷和下表面光斑各自最佳清晰度所在图像,选取清晰度最高的9个点利用最小二乘法将清晰度数值与图像深度拟合成二次函数关系的清晰度曲线,求得曲线最高点,并根据最高点推算出最佳清晰度所在图像。如图4所示,选取Dot_a清晰度最高的9个点建立坐标,横坐标为图像深度,纵坐标为清晰度,使用二次曲线拟合取二次曲线的实际最高点为真实的清晰度最高的位置,可以进一步减少检测误差,然后判断出清晰度最高图像所在的张数。对缺陷Defect、下表面光斑Dot_b的最佳清晰度亦是如此处理。
在本实施例中,Dot_a最佳清晰度所在图像为第23.7张,即n1=23.7,Defect最佳清晰度所在图像为37.3张,即n2=37.3,Dot_b最佳清晰度所在图像为43.2张,即n3=43.2。
S4:以缺陷与上表面的垂直距离作为缺陷深度d,计算缺陷深度d为:d=检测对象的厚度*(n2-n1)/(n3-n1)±(0.5*△)。
如图3所示,假设玻璃盖板2厚度为410μm,上下表面之间共n3-n1=43.2-23.7=19.5张图像,defect出现在19.5张图中的第13.6(n2-n1=37.3-23.7)张,则defect缺陷深度d=检测对象的厚度*(n2-n1)/(n3-n1)±(0.5*△)=282±11μm。如此更加准确的获得缺陷深度定位。
S5:选取缺陷最清晰的图像进行缺陷特征提取,判断缺陷等级。
具体的,选取第37或38张图像进行缺陷特征提取,包括以下过程:1)滤波除去噪声;2)对图像进行傅里叶变换,由图像空间转换到频域空间;3)寻找频域空间高能量区域,并将高能量区域置零;4)反傅里叶变换,提取出缺陷的结构图;5)对缺陷的结构图设定高、低阈值进行图像分割得到二值化图像;6)对二值化图像通过形态学变换得到清晰的缺陷图;7)对清晰的缺陷图进行缺陷精确分割计算得到缺陷面积,将缺陷面积与缺陷等级进行对比得到缺陷等级的分类。
实施例4
一种基于激光辅助的透明产品内部缺陷定深检测装置,用于检测透明的液晶面板的缺陷,如图5、图6所示,将普通光源4和检测相机1置于液晶面板5的同侧或者异侧,检测相机1相对于液晶面板5位置固定,在液晶面板5和检测相机1相对静止的状态下,检测相机1通过不断的调整光学镜头变换镜头工作距离取像,相当于检测相机1在液晶面板5厚度方向的不同位置照出多张照片,如果缺陷处在某一取向层,那么此层所取得的缺陷图像是最清楚的,其他层的图像模糊。
缺陷定深检测方法包括以下步骤:
S1:如图5、6所示,采用激光光源3倾斜投射在透明的液晶面板5上,使得液晶面板5的上表面与下表面分别形成清晰的上表面光斑21和下表面光斑22。
激光光源3倾斜投射在液晶面板5上,由于液晶面板5有很多层,会出现很多光斑,但是由于内部层之间由于折射率很接近,层间光斑很弱的,最后只留下上表面光斑21、下表面光斑。
S2:检测相机1匀速下降,当检测相机1的光学镜头与液晶面板5上表面的垂直距离等于光学镜头工作距离时,以△为步进单位匀速下降,拍摄N张图像并依次记录为Pic_1~Pic_n;其中,△=5~50μm。
S3:检测相机1视野内存在三类可观测物体,上表面光斑Dot_a,下表面光斑Dot_b以及缺陷Defect,对每张图像中的Dot_a、Defect、Dot_b分别进行清晰度计算、对比,判断Dot_a、Defect、Dot_b各自最佳清晰度所在图像分别为Pic_n1、Pic_n2、Pic_n3。
具体的,本实施例中清晰度选用能量梯度法进行计算,比如,共拍摄150张图像,采用以下公式计算清晰度:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,M,N为图像分辨率。能量梯度函数适合实时评价图像清晰度。
然后,判断上表面光斑、缺陷和下表面光斑各自最佳清晰度所在图像。取上表面光斑21清晰度最高的13个点建立坐标,横坐标为图像深度,纵坐标为清晰度,使用二次曲线拟合取二次曲线的实际最高点为真实的清晰度最高的位置,可以进一步减少检测误差,然后判断出清晰度最高图像所在的张数。对缺陷Defect、下表面光斑Dot_b的最佳清晰度亦是如此处理。
在本实施例中,采用最小二乘法曲线拟合成二次函数求得最高点方式计算出:Dot_a最佳清晰度所在图像为第20.2张,即n1=20.2,Defect最佳清晰度所在图像为44.5张,即n2=44.5,Dot_b最佳清晰度所在图像为125张,即n3=125。
在其他实施例中,清晰度也可以选用Brenner梯度法或laplace梯度法进行计算。
(1)Brenner梯度法计算相差两个单元的两个像素点的灰度差:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,(f(x+2,y)-f(x,y))2>阈值,M,N为图像分辨率。
(2)Tenegrad梯度法采用sobel算子分别提取水平和竖直方向的梯度:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,G(x,y)>阈值,M,N为图像分辨率。
sobel算子模板如下:
(3)Laplace梯度法以采用以下公式计算清晰度:
式中,x,y为某一图像上的某一点的横坐标和纵坐标,L(x,y)>阈值,M,N为图像分辨率。
Laplace算子模板如下:
值得说明的是,每个实施例中最佳清晰度必须由同一种清晰度计算方法获得的清晰度数值对比获得,而不能由几种清晰度计算方法相互交叉使用后对比。
S4:以缺陷与上表面的垂直距离作为缺陷深度d,计算缺陷深度d为:d=检测对象的厚度*(n2-n1)/(n3-n1)±(0.5*△),将缺陷深度d与各层级进行对比,判断缺陷的所处的层级。
假设液晶面板5厚度为2.1mm,上下表面之间共n3-n1=125-20.2=104.8张图像,defect出现在104.8张图中的第24.3(n2-n1=44.5-20.2)张,则defect缺陷深度d=检测对象的厚度*(n2-n1)/(n3-n1)±(0.5*△)=486±10μm,如此更加准确获得缺陷深度定位。
S5:选取缺陷最清晰的图像进行缺陷特征提取,判断缺陷等级。
具体的,选取第44或45张图像进行缺陷特征提取,包括以下过程:1)滤波除去噪声;2)对图像进行傅里叶变换,由图像空间转换到频域空间;3)寻找频域空间高能量区域(在频域,这些区域代表空域中液晶面板的规整晶格结构),并将高能量区域置零;4)反傅里叶变换,此时规整的晶格结构已经去除,提取出缺陷的结构图;5)对缺陷的结构图设定高、低阈值进行图像分割得到二值化图像;6)对二值化图像通过形态学变换得到清晰的缺陷图;7)对清晰的缺陷图进行缺陷精确分割计算得到缺陷面积,将缺陷面积与缺陷等级进行对比得到缺陷等级的分类。
以上仅为本发明的优选实施方式而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,其至少包括以下步骤:
采用激光倾斜投射在透明的检测对象上,使得检测对象的上表面与下表面分别形成清晰的上表面光斑和下表面光斑;
检测相机下降,当检测相机的光学镜头与检测对象上表面的垂直距离等于光学镜头工作距离时,以△为步进单位匀速下降,拍摄N张图像并依次记录为Pic_1~Pic_n;
对每张图像中的上表面光斑、缺陷、下表面光斑分别进行清晰度计算,对比,判断上表面光斑、缺陷和下表面光斑各自最佳清晰度所在图像分别为Pic_n1、Pic_n2、Pic_n3;
以缺陷与上表面的垂直距离作为缺陷深度d,计算缺陷深度d为:d=检测对象的厚度*(n2-n1)/(n3-n1)±(0.5*△)。
2.根据权利要求1所述的基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,所述检测对象选自单层玻璃、液晶面板半成品或液晶面板。
3.根据权利要求2所述的基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,当检测对象为液晶面板半成品或液晶面板时,所述基于激光光斑辅助的液晶面板缺陷分层检测方法还包括将缺陷深度d与各层级进行对比,判断缺陷的所处的层级的步骤。
4.根据权利要求1所述的基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,采用测距传感器检测检测相机的光学镜头与检测对象上表面的垂直距离。
5.根据权利要求1所述的基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,所述清晰度采用Brenner梯度法、Tenegrad梯度法、laplace梯度法、方差法或能量梯度法进行计算。
6.根据权利要求1所述的基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,所述最佳清晰度所在图像为清晰度数值最高点对应的图像直接获得。
7.根据权利要求1所述的基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,所述最佳清晰度所在图像获得方式为利用最小二乘法将清晰度数值与图像深度拟合成二次函数关系的清晰度曲线,求得曲线最高点,并根据最高点推算出最佳清晰度所在图像。
8.根据权利要求1所述的基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,所述基于激光光斑辅助的液晶面板缺陷分层检测还包括选取缺陷最佳清晰度的图像进行缺陷特征提取,判断缺陷等级的步骤。
9.根据权利要求8所述的基于激光辅助的透明产品内部缺陷定深检测方法,其特征在于,所述选取缺陷最佳清晰度的图像进行缺陷特征提取,判断缺陷等级的步骤包括以下过程:
1)滤波除去噪声;
2)使用边缘提取,形态学滤波等算法,提取缺陷结构图;
3)对缺陷结构图设定高、低阈值进行图像分割得到二值化图像;
4)对二值化图像通过形态学变换得到清晰的缺陷图;
5)对清晰的缺陷图进行缺陷精确分割计算得到缺陷面积,将缺陷信息与缺陷等级进行对比得到缺陷等级的分类。
10.一种基于激光辅助的透明产品内部缺陷定深检测装置,其采用如权利要求1至9所述的方法对检测对象进行检测,其特征在于,其包括能够匀速上下运动的检测相机、普通光源和激光光源,所述检测相机设置于检测对象的上方,所述普通光源与所述检测相机设置于检测对象的同侧或者异侧,所述激光光源与所述检测相机设置于检测对象的同侧或者异侧,所述激光光源与检测对象的平面法线呈30-60°。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010668965.3A CN111784684B (zh) | 2020-07-13 | 2020-07-13 | 基于激光辅助的透明产品内部缺陷定深检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010668965.3A CN111784684B (zh) | 2020-07-13 | 2020-07-13 | 基于激光辅助的透明产品内部缺陷定深检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111784684A true CN111784684A (zh) | 2020-10-16 |
CN111784684B CN111784684B (zh) | 2023-12-01 |
Family
ID=72768132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010668965.3A Active CN111784684B (zh) | 2020-07-13 | 2020-07-13 | 基于激光辅助的透明产品内部缺陷定深检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111784684B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112540093A (zh) * | 2020-11-10 | 2021-03-23 | 河北光兴半导体技术有限公司 | 玻璃类产品深度信息的精确定位装置及其方法 |
CN114114734A (zh) * | 2021-12-06 | 2022-03-01 | 苏州华兴源创科技股份有限公司 | 一种屏幕分层检测的方法、装置、设备、存储介质及系统 |
CN115547909A (zh) * | 2022-09-16 | 2022-12-30 | 魅杰光电科技(上海)有限公司 | 晶圆清晰度定位的方法 |
WO2023082380A1 (zh) * | 2021-11-11 | 2023-05-19 | 南方电网科学研究院有限责任公司 | 一种交联聚乙烯电缆脱气效果评价方法 |
CN117152165A (zh) * | 2023-11-01 | 2023-12-01 | 深圳中科精工科技有限公司 | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 |
WO2024055662A1 (zh) * | 2022-09-13 | 2024-03-21 | 武汉精测电子集团股份有限公司 | 一种近眼显示模组检测方法及检测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018000731A1 (zh) * | 2016-06-28 | 2018-01-04 | 华南理工大学 | 一种曲面表面缺陷自动检测方法及其装置 |
CN111239143A (zh) * | 2020-03-17 | 2020-06-05 | 合肥市商巨智能装备有限公司 | 液晶面板缺陷复判机构及方法 |
CN111292228A (zh) * | 2020-01-16 | 2020-06-16 | 宁波舜宇仪器有限公司 | 镜头缺陷检测方法 |
WO2020132960A1 (zh) * | 2018-12-26 | 2020-07-02 | 合刃科技(深圳)有限公司 | 缺陷检测方法及缺陷检测系统 |
-
2020
- 2020-07-13 CN CN202010668965.3A patent/CN111784684B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018000731A1 (zh) * | 2016-06-28 | 2018-01-04 | 华南理工大学 | 一种曲面表面缺陷自动检测方法及其装置 |
WO2020132960A1 (zh) * | 2018-12-26 | 2020-07-02 | 合刃科技(深圳)有限公司 | 缺陷检测方法及缺陷检测系统 |
CN111292228A (zh) * | 2020-01-16 | 2020-06-16 | 宁波舜宇仪器有限公司 | 镜头缺陷检测方法 |
CN111239143A (zh) * | 2020-03-17 | 2020-06-05 | 合肥市商巨智能装备有限公司 | 液晶面板缺陷复判机构及方法 |
Non-Patent Citations (2)
Title |
---|
杨庆峰;孙金立;宋建俊;李金浩;: "基于激光散斑的蜂窝复合材料缺陷检测", 无损检测, no. 03 * |
苗永菲;游洋;李赵松;黎红军;宋康;侯朝云;: "基于机器视觉的玻璃缺陷检测技术", 电子设计工程, no. 08 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112540093A (zh) * | 2020-11-10 | 2021-03-23 | 河北光兴半导体技术有限公司 | 玻璃类产品深度信息的精确定位装置及其方法 |
WO2023082380A1 (zh) * | 2021-11-11 | 2023-05-19 | 南方电网科学研究院有限责任公司 | 一种交联聚乙烯电缆脱气效果评价方法 |
CN114114734A (zh) * | 2021-12-06 | 2022-03-01 | 苏州华兴源创科技股份有限公司 | 一种屏幕分层检测的方法、装置、设备、存储介质及系统 |
WO2024055662A1 (zh) * | 2022-09-13 | 2024-03-21 | 武汉精测电子集团股份有限公司 | 一种近眼显示模组检测方法及检测系统 |
CN115547909A (zh) * | 2022-09-16 | 2022-12-30 | 魅杰光电科技(上海)有限公司 | 晶圆清晰度定位的方法 |
CN115547909B (zh) * | 2022-09-16 | 2023-10-20 | 魅杰光电科技(上海)有限公司 | 晶圆清晰度定位的方法 |
CN117152165A (zh) * | 2023-11-01 | 2023-12-01 | 深圳中科精工科技有限公司 | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 |
CN117152165B (zh) * | 2023-11-01 | 2024-03-22 | 深圳中科精工科技有限公司 | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111784684B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111784684A (zh) | 基于激光辅助的透明产品内部缺陷定深检测方法及装置 | |
KR102256181B1 (ko) | 강구조물의 도막 상태 검사 및 평가 방법과 이를 위한 시스템 | |
CN113688807B (zh) | 一种自适应缺陷检测方法、装置、识别系统及存储介质 | |
US5438413A (en) | Process for measuring overlay misregistration during semiconductor wafer fabrication | |
KR100954703B1 (ko) | 결함을 검출하는 방법 및 시스템 | |
US9171364B2 (en) | Wafer inspection using free-form care areas | |
WO2013061976A1 (ja) | 形状検査方法およびその装置 | |
US20080175466A1 (en) | Inspection apparatus and inspection method | |
WO2014062514A1 (en) | Detecting defects on a wafer using defect-specific information | |
CN107462587B (zh) | 一种柔性ic基板凹凸痕缺陷的精密视觉检测系统及方法 | |
WO2017179535A1 (ja) | 構造物の状態判定装置と状態判定システムおよび状態判定方法 | |
CN109632808A (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
JP5913903B2 (ja) | 形状検査方法およびその装置 | |
JP2006010392A (ja) | 貫通穴計測システム及び方法並びに貫通穴計測用プログラム | |
CN113281343B (zh) | 一种对多层透明材料进行缺陷检测的系统及方法 | |
US20080040064A1 (en) | Surface inspection apparatus and surface inspection method | |
JP2006276454A (ja) | 画像補正方法、およびこれを用いたパターン欠陥検査方法 | |
KR101867015B1 (ko) | 글라스 결함 검사 장치, 검사 방법 및 검사 시스템 | |
Vashpanov et al. | Determination of geometric parameters of cracks in concrete by image processing | |
TWI595232B (zh) | Inspection methods and templates | |
Wang et al. | Structured-light three-dimensional scanning for process monitoring and quality control in precast concrete production. | |
JP2012237585A (ja) | 欠陥検査方法 | |
KR20220109517A (ko) | 결함 높이 측정 방법 및 이를 포함하는 기판 검사 방법 | |
KR20220154345A (ko) | 가우시안 가중치 최소 자승법을 이용하는 영상 처리 장치 및 그것의 윤곽선 검출 방법 | |
RU2519005C1 (ru) | Способ допускового контроля печатных плат |
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 |