CN112215816A - 一种生产线中显示器故障的实时检测方法、存储介质和装置 - Google Patents

一种生产线中显示器故障的实时检测方法、存储介质和装置 Download PDF

Info

Publication number
CN112215816A
CN112215816A CN202011089258.5A CN202011089258A CN112215816A CN 112215816 A CN112215816 A CN 112215816A CN 202011089258 A CN202011089258 A CN 202011089258A CN 112215816 A CN112215816 A CN 112215816A
Authority
CN
China
Prior art keywords
display
image
detection
background
steps
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
Application number
CN202011089258.5A
Other languages
English (en)
Other versions
CN112215816B (zh
Inventor
宋彦金
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.)
Sichuan Jisu Intelligent Technology Co ltd
Original Assignee
Sichuan Jisu Intelligent 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 Sichuan Jisu Intelligent Technology Co ltd filed Critical Sichuan Jisu Intelligent Technology Co ltd
Priority to CN202011089258.5A priority Critical patent/CN112215816B/zh
Publication of CN112215816A publication Critical patent/CN112215816A/zh
Application granted granted Critical
Publication of CN112215816B publication Critical patent/CN112215816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种生产线中显示器故障的实时检测方法、存储介质和装置，方法包括：获取显示器图像，所述显示器图像的背景包括纯色背景、渐变色背景和栅格背景；利用纯色背景的显示器图像进行纯色故障检测；利用渐变色背景的显示器图像进行渐变色故障检测；利用栅格背景的显示器图像进行栅格故障检测。本发明分别获取具有不同背景的显示器图像(纯色背景、渐变色背景和栅格背景)，对显示器的不同故障进行检测。

Description

一种生产线中显示器故障的实时检测方法、存储介质和装置
技术领域
本发明涉及显示器检测领域，尤其涉及一种生产线中显示器故障的实时检测方法、存储介质和装置。
背景技术
液晶显示技术在电子信息产业中得到了广泛应用，在促进经济发展方式转变、推动产业结构优化升级、带动高新技术发展等方面发挥着重要的作用。伴随着微电子技术的迅速发展，液晶显示器(Liquid crystal display，LCD)正朝着大画面、低功耗、轻薄化、高分辨率的方向发展。
这样的趋势在带来高视觉效果和便携性等诸多优点的同时也会使LCD产生各种显示缺陷的几率大大增加。例如，LCD背光模组中广泛采用的冷阴极荧光灯管(Cold CathodeFluorescent Lamp，CCFL)，当尺寸较大时，光管的中间位置和两端易产生亮度和颜色的不均匀现象。而由于采用超薄玻璃基板，使LCD在制作过程中极易发生翘曲，由此会引起显示上的光学不均匀缺陷，这对大尺寸LCD的生产工艺和缺陷检测技术提出了挑战。对于新一代的显示器，传统的人眼缺陷检测方法很难满足生产效率、检测质量以及低成本的要求，因此研究快速、客观、符合人眼判断标准的自动机器视觉缺陷检测方法成为发展液晶显示技术的迫切要求和难点所在。
目前绝大多数的LCD生产厂商在生产线中检测显示器缺陷时，仍然沿用传统人工视觉检测(Human Visual Inspection，HVI)方法。本发明提供一种生产线中显示器缺陷的检测方法，能有效取代人工视觉检测(HVI)方法，并解决生产线中工人因受主观因素的影响以及外界环境干扰而使得显示器检测的误差较大的问题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种生产线中显示器故障的实时检测方法、存储介质和装置，有效取代人工视觉检测(HVI)方法，并解决生产线中工人因受主观因素的影响以及外界环境干扰而使得显示器检测的误差较大的问题。
本发明的目的是通过以下技术方案来实现的：
本发明的第一方面，提供一种生产线中显示器故障的实时检测方法，包括：
获取显示器图像，所述显示器图像的背景包括纯色背景、渐变色背景和栅格背景；
利用纯色背景的显示器图像进行纯色故障检测；
利用渐变色背景的显示器图像进行渐变色故障检测；
利用栅格背景的显示器图像进行栅格故障检测。
进一步地，所述方法还包括：
设置获取图片相机的的参数，包括相机从开启到关闭的时间、采集图片的速度、像素大小和内存空间。
进一步地，所述方法还包括：
在进行纯色故障检测、渐变色故障检测和栅格故障检测之前，利用所述显示器图像对显示器进行开机检测。
进一步地，所述开机检测包括：
将采集的所有图片统一进行类型转换；
抓取一张经过类型转换的图片；
分别提取图片中每个通道的像素值，得到不同通道下的像素阵列；
依次计算每个通道下的像素均值是否小于某个阈值T1；
若所有通道的像素均值全部小于阈值T1，说明显示器未开启或存在故障；否则进行显示器故障检测。
进一步地，所述纯色故障检测包括：
获取纯色背景的显示器图像；
分别提取图像中每个通道的像素值；
对每个通道的像素值依次在阈值T2下进行二值化处理；
对二值化处理后的图像进行形态学变换；
对形态学变换后的二值图进行缺陷标记，具体包括：首先筛选出像素值为非零的区域，即白色区域；再依次使用不同的颜色对白色区域进行填充，其中每填充一个白色区域则记为一个缺陷，直至填充完所有不同的白色区域；
查看标记缺陷个数是否为0，若标记个数不为0，则生成纯色警报信息并反馈检测结果。
进一步地，所述渐变色故障检测包括：
获取渐变色背景的显示器图像；
分别提取图像中密度通道的像素值；
按行提取密度通道中位置居中的单行像素值得到n×1排列的阵列；
将n×1阵列重组成i×j的多行阵列；
按行依次计算多行阵列中各行的均值得到i×1的均值阵列；
计算均值阵列中相邻行之间的均值差；
判断相邻均值差是否递增或递减，若不是，则说明存在渐变色故障，生成渐变色警报信息并反馈检测结果。
进一步地，所述栅格的缺陷为边缘栅格状显示出现断口；所述栅格故障检测包括：
获取栅格背景的显示器图像；
分别提取图像中亮度通道的像素值；
截取亮度通道中最左边缘区域与最上边缘区域的像素值，并创建与输入图像尺寸相同的空白图像模板；
分别将最左边缘区域与最上边缘区域依次在阈值T3下进行二值化处理，得到ROI图像1和ROI图像2；
同时将ROI图像1、ROI图像2和空白模板进行图像的叠加重组，得到重组图；
对重组图进行形态学变换；
对形态学变换后的重组图进行二值化缺陷标记；
判断缺陷标记数是否等于1，若不是，则说明存在栅格故障，生成栅格警报信息并反馈检测结果。
进一步地，所述方法还包括：
控制整个故障检测过程的工作状态，并对故障检测结果进行显示。
本发明的第二方面，一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述的一种生产线中显示器故障的实时检测方法的步骤。
本发明的第三方面，提供一种装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述的一种生产线中显示器故障的实时检测方法的步骤。
本发明的有益效果是：
(1)在本发明的一示例性实施例中，分别获取具有不同背景的显示器图像(纯色背景、渐变色背景和栅格背景)，对显示器的不同故障进行检测。
(2)在本发明的一示例性实施例中，在进行不同背景的检测前，首先对显示器进行开关检测，避免因显示器未开启或者存在对应故障还进行后续操作浪费资源的问题。
(3)在本发明的一示例性实施例中，公开了纯色故障检测的具体实现方式，即通过将采集图片进行二值化处理并标记缺陷来检测纯色故障；其中通过采集多张图片依次进行中值滤波再将其计算均值得到一张输入图片，有助于放大显示器中微小的缺陷区域，提高缺陷的识别准确度；同时依次变化显示器的背景颜色并依次重复进行检测，以防止显示器缺陷颜色与某一背景颜色相似时，出现缺陷漏检的情况；并且所述使用不同的颜色对白色区域进行填充有助于统计缺陷的个数。
(4)在本发明的一示例性实施例中，公开了渐变色故障检测的具体实现方式，即通过提取单行像素将其重组并计算均值差来检测渐变色故障；同时公开了栅格故障检测的具体实现方式，即通过裁剪区域像素并重组后利用缺陷个数来判断栅格故障。
(5)在本发明的一示例性实施例中，通过实时监测平台记录、查看和控制缺陷检测的状态，有助于应对在生产线中出现的突发状况。
(6)综上，本发明与传统的人工视觉检测(Human Visual Inspection，HVI)方法相比，自动检测提高了生产线中显示器缺陷的检测效率同时减小了检测的误差。
附图说明
图1为本发明一示例性实施例公开的的流程图；
图2为本发明一示例性实施例公开的显示器开机故障检测流程图；
图3为本发明一示例性实施例公开的显示器纯色故障检测流程图；
图4为本发明一示例性实施例公开的显示器纯色故障检测示意图；
图5为本发明一示例性实施例公开的显示器渐变色故障检测流程图；
图6为本发明一示例性实施例公开的显示器栅格故障检测流程图；
图7为本发明一示例性实施例公开的显示器栅格故障检测示意图。
具体实施方式
下面结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
参见图1，图1示出了本发明一示例性实施例提供的一种生产线中显示器故障的实时检测方法的流程图，包括：
获取显示器图像，所述显示器图像的背景包括纯色背景、渐变色背景和栅格背景；
利用纯色背景的显示器图像进行纯色故障检测；
利用渐变色背景的显示器图像进行渐变色故障检测；
利用栅格背景的显示器图像进行栅格故障检测。
具体地，在本示例性实施例中，分别获取具有不同背景的显示器图像(纯色背景、渐变色背景和栅格背景)，对显示器的不同故障进行检测。
其中，在一优选示例性实施例中，通过采集多张图片依次进行中值滤波再将其计算均值得到一张输入图片(可以对应于纯色背景、渐变色背景或者栅格背景)，有助于放大显示器中微小的缺陷区域，提高缺陷的识别准确度(下述具体示例性实施例有对应展开)。
该方式目的在于对相机采集的原始图像进行预处理，得到一张输入图像。该图像是有利于后续进行故障检测工作的。本优选示例性实施例包括有一个开机检测(后述内容)和三种不同背景下的故障检测，该方式在四种不同的检测中都有使用，且均位于相机采集完原始图像后进行。即：
相机采集原始图像→该方式处理→输入图像→四种不同的检测→使用各自的图像处理方式对图像进行处理等。
而在另一优选示例性实施例中，对于每一张图像，均进行输入判断。
另外，如图1所示，该示例性实施例采用的是纯色故障检测、渐变色故障检测和栅格故障检测这一检测顺序；如果其他顺序也能达到本示例性实施例想要达到的效果，也可以。
更优地，在一示例性实施例中，所述方法还包括：
设置获取图片相机的的参数，包括相机从开启到关闭的时间、采集图片的速度、像素大小和内存空间。
具体地，在一优选示例性实施例中，相机开启到关闭的时间为1000秒，每秒采集三张2590×1280大小的图片，内存空间设为500M。
更优地，在一示例性实施例中，所述方法还包括：
在进行纯色故障检测、渐变色故障检测和栅格故障检测之前，利用所述显示器图像对显示器进行开机检测。
其中，在一优选示例性实施例中，参见图2，所述开机检测具体包括：
将采集的图片统一将其转换成RGB三通道彩色图片；
抽取一张经过类型转换的RGB三通道彩色图片；
分别提取图片中每个通道的像素值，得到不同通道下的像素阵列；
依次计算每个通道下的像素均值是否小于阈值3；
若所有通道的像素均值全部小于阈值3，说明显示器未开启或存在故障；否则进行显示器故障检测。
更优地，在一示例性实施例中，参见图3，所述纯色故障检测包括有绿色、蓝色、藏青色、白色和黑色这五种纯色背景下的故障，而纯色故障检测的具体步骤包括：
获取纯色背景的显示器图像；
分别提取图像中每个通道的像素值；
对于纯色背景依次为绿色、蓝色、藏青色、白色和黑色，分别在每个通道的像素值下进行二值化处理，其阈值依次在0～100、75～255、38～255、100～255、0～35内时转换为黑色；
对二值化处理后的图像使用形态学变换中的自动均值进行处理；
对形态学变换后的二值图进行缺陷标记，具体包括：首先筛选出像素值为非零的区域，即白色区域；再依次使用不同的颜色对白色区域进行填充，其中每填充一个白色区域则记为一个缺陷，直至填充完所有不同的白色区域；
查看标记缺陷个数是否为0，若标记个数不为0，则生成纯色警报信息并反馈检测结果。
其中，所述形态学是图像处理中应用最为广泛的技术之一，主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质的形状特征，在此不进行赘述。
而在缺陷标记步骤中，所述使用不同的颜色对白色区域进行填充有助于统计缺陷的个数。
另外，通过采集多张图片依次进行中值滤波再将其计算均值得到一张输入图片，有助于放大显示器中微小的缺陷区域，提高缺陷的识别准确度；同时依次变化显示器的背景颜色并依次重复进行检测，以防止显示器缺陷颜色与某一背景颜色相似时，出现缺陷漏检的情况(自动均值和变换颜色是否均为纯色故障检测)。
参见附图4，在该示例性实施例中，纯色故障检测中黑色故障检测的缺陷有两个，分别是块状缺陷和线状缺陷。
更优地，在一示例性实施例中，参见图5，所述渐变色故障检测包括：
获取渐变色背景的显示器图像；
分别提取图像中密度通道的像素值；
按行提取密度通道中位置居中的单行像素值得到640×1单行阵列；
将640×1单行阵列重组成80×80的多行阵列；
按行依次计算多行阵列中每一行的均值得到80×1的均值阵列；
计算均值阵列中相邻行之间的均值差；
判断相邻均值差是否递增或递减，若不是，则说明存在渐变色故障，生成渐变色警报信息并反馈检测结果。
更优地，在一示例性实施例中，参见图6，所述栅格的缺陷为边缘栅格状显示出现断口；所述栅格故障检测包括：
获取栅格背景的显示器图像；
分别提取图像中亮度通道的像素值；
截取亮度通道中最左边缘区域与最上边缘区域的像素值，并创建与输入图像尺寸相同的空白图像模板；
分别将最左边缘区域与最上边缘区域依次在阈值0～122下进行二值化处理，得到ROI图像1和ROI图像2；
同时将ROI图像1、ROI图像2和空白模板进行图像的叠加重组，得到重组图；
对重组图进行形态学变换；
对形态学变换后的重组图进行二值化缺陷标记；
判断缺陷标记数是否等于1，若不是，则说明存在栅格故障，生成栅格警报信息并反馈检测结果。
参加附图7，栅格故障检测中只有一个标记缺陷，说明此时没有栅格故障存在。
更优地，在一示例性实施例中，所述方法还包括：
控制整个故障检测过程的工作状态，并对故障检测结果进行显示。
另外，上述任一示例性实施例的方法需要进行重复，直到所有显示器故障检测均完成。
在本发明的又一示例性实施例，提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任意示例性实施例的一种生产线中显示器故障的实时检测方法的步骤。
本发明的第三方面，提供一种装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述的一种生产线中显示器故障的实时检测方法的步骤。
基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得装置执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种生产线中显示器故障的实时检测方法，其特征在于：包括：
获取显示器图像，所述显示器图像的背景包括纯色背景、渐变色背景和栅格背景；
利用纯色背景的显示器图像进行纯色故障检测；
利用渐变色背景的显示器图像进行渐变色故障检测；
利用栅格背景的显示器图像进行栅格故障检测。
2.根据权利要求1所述的一种生产线中显示器故障的实时检测方法，其特征在于：所述方法还包括：
设置获取图片相机的的参数，包括相机从开启到关闭的时间、采集图片的速度、像素大小和内存空间。
3.根据权利要求1所述的一种生产线中显示器故障的实时检测方法，其特征在于：所述方法还包括：
在进行纯色故障检测、渐变色故障检测和栅格故障检测之前，利用所述显示器图像对显示器进行开机检测。
4.根据权利要求3所述的一种生产线中显示器故障的实时检测方法，其特征在于：所述开机检测包括：
将采集的所有图片统一进行类型转换；
抓取一张经过类型转换的图片；
分别提取图片中每个通道的像素值，得到不同通道下的像素阵列；
依次计算每个通道下的像素均值是否小于某个阈值T1；
若所有通道的像素均值全部小于阈值T1，说明显示器未开启或存在故障；否则进行显示器故障检测。
5.根据权利要求1所述的一种生产线中显示器故障的实时检测方法，其特征在于：所述纯色故障检测包括：
获取纯色背景的显示器图像；
分别提取图像中每个通道的像素值；
对每个通道的像素值依次在阈值T2下进行二值化处理；
对二值化处理后的图像进行形态学变换；
对形态学变换后的二值图进行缺陷标记，具体包括：首先筛选出像素值为非零的区域，即白色区域；再依次使用不同的颜色对白色区域进行填充，其中每填充一个白色区域则记为一个缺陷，直至填充完所有不同的白色区域；
查看标记缺陷个数是否为0，若标记个数不为0，则生成纯色警报信息并反馈检测结果。
6.根据权利要求1所述的一种生产线中显示器故障的实时检测方法，其特征在于：所述渐变色故障检测包括：
获取渐变色背景的显示器图像；
分别提取图像中密度通道的像素值；
按行提取密度通道中位置居中的单行像素值得到n×1排列的阵列；
将n×1阵列重组成i×j的多行阵列；
按行依次计算多行阵列中各行的均值得到i×1的均值阵列；
计算均值阵列中相邻行之间的均值差；
判断相邻均值差是否递增或递减，若不是，则说明存在渐变色故障，生成渐变色警报信息并反馈检测结果。
7.根据权利要求1所述的一种生产线中显示器故障的实时检测方法，其特征在于：所述栅格的缺陷为边缘栅格状显示出现断口；所述栅格故障检测包括：
获取栅格背景的显示器图像；
分别提取图像中亮度通道的像素值；
截取亮度通道中最左边缘区域与最上边缘区域的像素值，并创建与输入图像尺寸相同的空白图像模板；
分别将最左边缘区域与最上边缘区域依次在阈值T3下进行二值化处理，得到ROI图像1和ROI图像2；
同时将ROI图像1、ROI图像2和空白模板进行图像的叠加重组，得到重组图；
对重组图进行形态学变换；
对形态学变换后的重组图进行二值化缺陷标记；
判断缺陷标记数是否等于1，若不是，则说明存在栅格故障，生成栅格警报信息并反馈检测结果。
8.根据权利要求1所述的一种生产线中显示器故障的实时检测方法，其特征在于：所述方法还包括：
控制整个故障检测过程的工作状态，并对故障检测结果进行显示。
9.一种存储介质，其上存储有计算机指令，其特征在于：所述计算机指令运行时执行权利要求1～8中任一项所述的一种生产线中显示器故障的实时检测方法的步骤。
10.一种装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1～8中任一项所述的一种生产线中显示器故障的实时检测方法的步骤。
CN202011089258.5A 2020-10-13 2020-10-13 一种生产线中显示器故障的实时检测方法、存储介质和装置 Active CN112215816B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011089258.5A CN112215816B (zh) 2020-10-13 2020-10-13 一种生产线中显示器故障的实时检测方法、存储介质和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011089258.5A CN112215816B (zh) 2020-10-13 2020-10-13 一种生产线中显示器故障的实时检测方法、存储介质和装置

Publications (2)

Publication Number Publication Date
CN112215816A true CN112215816A (zh) 2021-01-12
CN112215816B CN112215816B (zh) 2024-01-30

Family

ID=74053287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011089258.5A Active CN112215816B (zh) 2020-10-13 2020-10-13 一种生产线中显示器故障的实时检测方法、存储介质和装置

Country Status (1)

Country Link
CN (1) CN112215816B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820544A (zh) * 2022-05-09 2022-07-29 西安得眠堂健康管理工作部 一种润喉糖的生产监测管理系统
CN117274720A (zh) * 2023-11-16 2023-12-22 深圳市七彩虹禹贡科技发展有限公司 一种计算机硬件异常检测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11257937A (ja) * 1998-03-10 1999-09-24 Seiko Epson Corp 欠陥検査方法
US20030215129A1 (en) * 2002-05-15 2003-11-20 Three-Five Systems, Inc. Testing liquid crystal microdisplays
US20080316328A1 (en) * 2005-12-27 2008-12-25 Fotonation Ireland Limited Foreground/background separation using reference images
KR20090074388A (ko) * 2008-01-02 2009-07-07 삼성전자주식회사 표시패널의 검사 장치 및 그 방법
WO2013135721A1 (fr) * 2012-03-12 2013-09-19 Maidotec Procede de generation de transformations colorimetriques, dispositif et programme d'ordinateur associes
CN103606184A (zh) * 2013-11-21 2014-02-26 武大吉奥信息技术有限公司 一种基于二维和三维一体化矢量渲染引擎的装置
CN108463763A (zh) * 2016-02-08 2018-08-28 伊英克公司 用于在白色模式下操作电光显示器的方法和设备
CN110044405A (zh) * 2019-05-16 2019-07-23 吉林大学 一种基于机器视觉的汽车仪表自动化检测装置及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11257937A (ja) * 1998-03-10 1999-09-24 Seiko Epson Corp 欠陥検査方法
US20030215129A1 (en) * 2002-05-15 2003-11-20 Three-Five Systems, Inc. Testing liquid crystal microdisplays
US20080316328A1 (en) * 2005-12-27 2008-12-25 Fotonation Ireland Limited Foreground/background separation using reference images
KR20090074388A (ko) * 2008-01-02 2009-07-07 삼성전자주식회사 표시패널의 검사 장치 및 그 방법
WO2013135721A1 (fr) * 2012-03-12 2013-09-19 Maidotec Procede de generation de transformations colorimetriques, dispositif et programme d'ordinateur associes
CN103606184A (zh) * 2013-11-21 2014-02-26 武大吉奥信息技术有限公司 一种基于二维和三维一体化矢量渲染引擎的装置
CN108463763A (zh) * 2016-02-08 2018-08-28 伊英克公司 用于在白色模式下操作电光显示器的方法和设备
CN110044405A (zh) * 2019-05-16 2019-07-23 吉林大学 一种基于机器视觉的汽车仪表自动化检测装置及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YANG HAIYAN: "Physics-based numerical modelling of large braided rivers dominated by suspended sediment", HYDROLOGICAL PROCESSES *
张涛;: "排除显示器故障的简单方法", 电脑采购周刊, no. 12 *
李德光;郭兵;张瑞玲;马友忠;任祯琴;赵旭鸽;谭庆;李君科;: "基于视觉显著性的AMOLED显示器多区域功耗优化", 软件学报, no. 09 *
蒋莉;严军;孟伟;赵勇;范欢欢;: "基于形态学的点阵液晶屏缺陷检测方法的研究", 电子测量技术, no. 16 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820544A (zh) * 2022-05-09 2022-07-29 西安得眠堂健康管理工作部 一种润喉糖的生产监测管理系统
CN114820544B (zh) * 2022-05-09 2023-06-20 西安得眠堂健康管理工作部 一种润喉糖的生产监测管理系统
CN117274720A (zh) * 2023-11-16 2023-12-22 深圳市七彩虹禹贡科技发展有限公司 一种计算机硬件异常检测方法及系统
CN117274720B (zh) * 2023-11-16 2024-05-14 深圳市七彩虹禹贡科技发展有限公司 一种计算机硬件异常检测方法及系统

Also Published As

Publication number Publication date
CN112215816B (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
US7978903B2 (en) Defect detecting method and defect detecting device
KR101958634B1 (ko) 디스플레이 장치의 무라 검출 장치 및 방법
CN109872309B (zh) 检测系统、方法、装置及计算机可读存储介质
CN103913461A (zh) 一种tft-lcd点灯自动光学检测的图像处理方法
JP2004294202A (ja) 画面の欠陥検出方法及び装置
CN110189670A (zh) 一种led显示屏幕缺陷检测方法
CN109613023B (zh) 一种区域亮度自适应校正的水果表面缺陷快速检测方法
CN112215816B (zh) 一种生产线中显示器故障的实时检测方法、存储介质和装置
CN111047655A (zh) 基于卷积神经网络的高清摄像机布料疵点检测方法
JP2007263852A (ja) 欠陥検出装置、欠陥検出方法、及び欠陥検出処理プログラム
JP2007315967A (ja) 欠陥検出装置、欠陥検出方法、欠陥検出プログラム、および、それを記録したコンピュータ読み取り可能な記録媒体
JPH09329527A (ja) 画像処理方法および画像処理装置
CN114119591A (zh) 一种显示屏画面质量检测方法
CN116990993B (zh) 一种lcd显示面板质量检测方法
CN113034488A (zh) 一种喷墨印刷品的视觉检测方法
JP4143660B2 (ja) 画像解析方法、画像解析装置、検査装置、画像解析プログラムおよびコンピュータ読み取り可能な記録媒体
JP2004212311A (ja) ムラ欠陥の検出方法及び装置
JP2005165387A (ja) 画面のスジ欠陥検出方法及び装置並びに表示装置
JP2005249415A (ja) シミ欠陥の検出方法及び装置
JP2005164565A (ja) 低解像度および高解像度映像におけるフラットパネル用光関連板要素の欠陥検出方法
CN103605973A (zh) 一种图像字符检测鉴别方法
KR20140082333A (ko) 평판디스플레이의 얼룩 검사 방법 및 장치
CN117437170A (zh) Led光源缺陷检测方法及系统
CN115546141A (zh) 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统
CN114693656A (zh) 一种led显示屏显示缺陷的检测方法及相机和滤光片的标定方法

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