CN112837310A - 一种背光基板的检测方法及其系统 - Google Patents

一种背光基板的检测方法及其系统 Download PDF

Info

Publication number
CN112837310A
CN112837310A CN202110229829.9A CN202110229829A CN112837310A CN 112837310 A CN112837310 A CN 112837310A CN 202110229829 A CN202110229829 A CN 202110229829A CN 112837310 A CN112837310 A CN 112837310A
Authority
CN
China
Prior art keywords
image data
shadow region
backlight substrate
detection
shadow
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
Application number
CN202110229829.9A
Other languages
English (en)
Inventor
李虹华
李思升
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 Zhaoji Photoelectric Technology Co ltd
Original Assignee
Sichuan Zhaoji Photoelectric 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 Zhaoji Photoelectric Technology Co ltd filed Critical Sichuan Zhaoji Photoelectric Technology Co ltd
Priority to CN202110229829.9A priority Critical patent/CN112837310A/zh
Publication of CN112837310A publication Critical patent/CN112837310A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30121CRT, LCD or plasma display

Abstract

本发明公开了一种背光基板的检测方法及其系统,包括:在平行光照射于背光基板时,获取背光基板表面的图像数据;基于所述图像数据提取阴影区域图像数据;基于所述阴影区域图像数据生成背光基板的检测报告。本发明通过使用平行光源照射于背光基板,使其出射的平行光在照射于背光基板的表面时,背光基板表面的大型和/或小型异物颗粒会形成颗粒阴影,神经网络单元能够准确的抓取阴影区域图像数据,并进一步提取异物颗粒的坐标信息,从而生成背光基板表面的检测报告,解决了传统的背光基板的检测方法存在的检测精度较低的问题。

Description

一种背光基板的检测方法及其系统
技术领域
本发明涉及光电信息技术领域,具体涉及一种背光基板的检测方法及其系统。
背景技术
背光板作为用来确保液晶显示屏背后发出光亮的光源装置,对于液晶显示屏的发光质量起到了决定性的影响作用。然后在背光基板的生产过程中,即使使用等级较高的无尘室生产车间并严格遵守防尘流程,依然无法完全避免空气中的小颗粒异物附着于背光基板表面。
目前的背光基板表面异物的检测方法为采用散射光照射于背光基板后,通过用户肉眼或摄像装置拍摄图像后进行背光基板表面异物的检测。但是,散射光照射于背光基板表面时,无法使得小型颗粒异物形成阴影并被用户肉眼观察到或摄像装置抓取,造成检测精度较低。
综上所述,现有的背光基板的检测方法存在检测精度较低的问题。
发明内容
有鉴于此,本发明提供一种背光基板的检测方法及其系统,通过使用平行光源照射于背光基板并改进检测图像的处理方法,解决了传统的背光基板的检测方法存在的检测精度较低的问题。
为解决以上问题,本发明的技术方案为采用一种背光基板的检测方法,包括:在平行光照射于背光基板时,获取背光基板表面的图像数据;基于所述图像数据提取阴影区域图像数据;基于所述阴影区域图像数据生成背光基板的检测报告。可选地,基于所述图像数据提取阴影区域图像数据,包括:构建用于提取阴影区域的网络模型;获取由多张表面附着异物颗粒的背光基板照片构成的数据集并对每张所述背光基板照片的阴影区域进行标注,生成由多张包含阴影区域的照片构成的训练样本集和测试集;基于所述训练样本集和测试集,对所述网络模型进行训练并验证,生成用于提取阴影区域的检测模型;将所述图像数据输入神经网络单元,基于所述检测模型获取阴影区域提取框并提取阴影区域图像数据。
可选地,基于所述阴影区域图像数据生成背光基板的检测报告,包括:基于所述阴影区域图像数据提取其对应的异物颗粒的直径值;基于所述异物颗粒的直径值和所述阴影区域图像数据生成该异物颗粒的检测数据;重复上述步骤直至遍历完所述图像数据包含的全部阴影区域,生成由至少一个异物颗粒的所述检测数据构成的检测报告。
可选地,基于所述阴影区域图像数据提取其对应的异物颗粒的直径值,包括:通过所述阴影区域提取框(x,y,w,h,i)表征所述阴影区域图像数据,其中,(x,y)为所述提取框左上角坐标,w为所述提取框宽度值,h为所述提取框高度值,i为所述提取框置信度。提取所述阴影区域提取框的宽度值作为异物颗粒的所述直径值。
可选地,基于所述异物颗粒的直径值和所述阴影区域图像数据生成该异物颗粒的检测数据,包括:通过所述阴影区域提取框(x,y,w,h,i)表征所述阴影区域图像数据;以(x,y)为右上角坐标,构建长度为w的正方型颗粒提取框;提取所述颗粒提取框的中心点作为颗粒中心坐标;基于所述颗粒中心坐标和所述直径值生成所述检测数据。
相应地,本发明提供,一种背光基板的检测系统,其特征在于,包括:图像采集单元,用于获取背光基板表面的图像数据;神经网络单元,基于所述图像数据提取阴影区域图像数据;数据处理单元,基于所述阴影区域图像数据生成背光基板的检测报告。
可选地,所述神经网络单元构建用于提取阴影区域的网络模型,并获取由多张表面附着异物颗粒的背光基板照片构成的数据集并对每张所述背光基板照片的阴影区域进行标注,生成由多张包含阴影区域的照片构成的训练样本集和测试集后,基于所述训练样本集和测试集,对所述网络模型进行训练并验证,生成用于提取阴影区域的检测模型,在所述图像数据输入神经网络单元的情况下,所述神经网络单元基于所述检测模型获取阴影区域提取框并提取阴影区域图像数据。
可选地,所述数据处理单元基于所述阴影区域图像数据提取其对应的异物颗粒的直径值,并基于所述异物颗粒的直径值和所述阴影区域图像数据生成该异物颗粒的检测数据,在重复上述步骤直至遍历完所述图像数据包含的全部阴影区域时,所述数据处理单元生成由至少一个异物颗粒的所述检测数据构成的检测报告。
可选地,所述检测系统还包括用于提供照射于背光基板表面的平行光的光源,所述光源包括装置壳体,所述装置壳体内的一端设置有凸透镜,远离所述凸透镜的所述装置壳体的一端设置有发光组件,其中,所述光源被设置为平行光的出射方向与背光基板表面所处的平面存在倾角。
可选地,所述检测系统还包括用于承载背光基板的置物台。
本发明的首要改进之处为提供的背光基板的检测方法,通过使用平行光源照射于背光基板,使其出射的平行光在照射于背光基板的表面时,背光基板表面的大型和/或小型异物颗粒会形成颗粒阴影,神经网络单元能够准确的抓取阴影区域图像数据,并且由于使用的是平行光源,阴影区域图像的宽度能够准确表征异物颗粒的半径,并进一步提取异物颗粒的坐标信息,从而生成背光基板表面的检测报告,解决了传统的背光基板的检测方法存在的检测精度较低的问题。
附图说明
图1是本发明的背光基板的检测方法的简化方法流程图;
图2是本发明的背光基板的检测系统的简化模块连接图;
图3是本发明的背光基板的检测装置的简化装置连接图;
图4是本发明的光源的简化装置连接图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施例对本发明作进一步的详细说明。
如图1所示,一种背光基板的检测方法,包括:
S1:在平行光照射于背光基板时,获取背光基板表面的图像数据。其中,所述平行光的出光方向与所述背光基板存在一定倾角,以保证平行光照射于背光基板的表面时,背光基板表面附着的异物颗粒会产生一有限长度的阴影区域。用户可根据实际使用情景及生产需求自行设置倾角的大小。
S2:基于所述图像数据提取阴影区域图像数据。
进一步的,基于所述图像数据提取阴影区域图像数据,包括:构建用于提取阴影区域的网络模型;获取由多张表面附着异物颗粒的背光基板照片构成的数据集并对每张所述背光基板照片的阴影区域进行标注,生成由多张包含阴影区域的照片构成的训练样本集和测试集;基于所述训练样本集和测试集,对所述网络模型进行训练并验证,生成用于提取阴影区域的检测模型;将所述图像数据输入神经网络单元,基于所述检测模型获取阴影区域提取框(x,y,w,h,i)并提取阴影区域图像数据。其中,(x,y)为所述提取框左上角坐标,w为所述提取框宽度值,h为所述提取框高度值,i为所述提取框置信度。
S3:基于所述阴影区域图像数据生成背光基板的检测报告。
进一步的,基于所述阴影区域图像数据生成背光基板的检测报告,包括:基于所述阴影区域图像数据提取其对应的异物颗粒的直径值;基于所述异物颗粒的直径值和所述阴影区域图像数据生成该异物颗粒的检测数据;重复上述步骤直至遍历完所述图像数据包含的全部阴影区域,生成由至少一个异物颗粒的所述检测数据构成的检测报告。
更进一步的,基于所述阴影区域图像数据提取其对应的异物颗粒的直径值,包括:通过所述阴影区域提取框(x,y,w,h,i)表征所述阴影区域图像数据,其中,(x,y)为所述提取框左上角坐标,w为所述提取框宽度值,h为所述提取框高度值,i为所述提取框置信度。由于无尘车间中漂浮于空气的微粒可近似为球体,在漂浮于空气的微粒附着于背光基板上时且使用平行光照射于异物颗粒时,形成的阴影区域的宽度与异物颗粒的所述直径值相同,因此提取所述阴影区域提取框的宽度值即可得到异物颗粒的所述直径值。
更进一步的,基于所述异物颗粒的直径值和所述阴影区域图像数据生成该异物颗粒的检测数据,包括:通过所述阴影区域提取框(x,y,w,h,i)表征所述阴影区域图像数据;以(x,y)为右上角坐标,构建长度为w的正方型颗粒提取框;提取所述颗粒提取框的中心点作为颗粒中心坐标;基于所述颗粒中心坐标和所述直径值生成所述检测数据。其中,理论上所述阴影区域提取框的左上角坐标(x,y)无法完全等同于颗粒所处区域的右上角坐标,误差来源于颗粒半径大小及所述平行光的出光方向与所述背光基板存在的倾角,但是由于杂质颗粒自身半径较小,该部分误差在0.1um量级,不影响后端工序的除杂,因此为降低数据处理单元的算力负荷,通过将(x,y)表征为颗粒所处区域的右上角坐标,构建长度为w的正方型颗粒提取框,完成单个杂质颗粒的检测。
本发明通过使用平行光源照射于背光基板,使其出射的平行光在照射于背光基板的表面时,背光基板表面的大型和/或小型异物颗粒会形成颗粒阴影,神经网络单元能够准确的抓取阴影区域图像数据,并且由于使用的是平行光源,阴影区域图像的宽度能够准确表征异物颗粒的半径,并进一步提取异物颗粒的坐标信息,从而生成背光基板表面的检测报告,解决了传统的背光基板的检测方法存在的检测精度较低的问题。
相应的,如图2所示,本发明提供,一种背光基板的检测系统,包括:图像采集单元1,用于获取背光基板表面的图像数据;神经网络单元,基于所述图像数据提取阴影区域图像数据;数据处理单元,基于所述阴影区域图像数据生成背光基板的检测报告。其中,如图3所示,所述检测系统还包括用于承载背光基板的置物台3;所述数据处理单元和所述神经网络单元可以均搭载于PC端4上;所述图像采集单元1与所述神经网络单元通信连接,所述神经网络单元与所述数据处理单元通信连接。
进一步的,所述神经网络单元构建用于提取阴影区域的网络模型,并获取由多张表面附着异物颗粒的背光基板照片构成的数据集并对每张所述背光基板照片的阴影区域进行标注,生成由多张包含阴影区域的照片构成的训练样本集和测试集后,基于所述训练样本集和测试集,对所述网络模型进行训练并验证,生成用于提取阴影区域的检测模型,在所述图像数据输入神经网络单元的情况下,所述神经网络单元基于所述检测模型获取阴影区域提取框并提取阴影区域图像数据。
进一步的,所述数据处理单元基于所述阴影区域图像数据提取其对应的异物颗粒的半径值,并基于所述异物颗粒的半径值和所述阴影区域图像数据生成该异物颗粒的检测数据,在重复上述步骤直至遍历完所述图像数据包含的全部阴影区域时,所述数据处理单元生成由至少一个异物颗粒的所述检测数据构成的检测报告。
更进一步的,如图4所示,所述检测系统还包括用于提供照射于背光基板表面的平行光的光源2,所述光源2包括装置壳体21,所述装置壳体21内的一端设置有凸透镜22,远离所述凸透镜22的所述装置壳体21的一端设置有发光组件23,其中,所述光源被设置为平行光的出射方向与背光基板表面所处的平面存在倾角;所述发光组件23可以是发光二极管;所述发光二极管设置于所述凸透镜22的焦点处。
以上对本发明实施例所提供的背光基板的检测方法及其系统进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

Claims (10)

1.一种背光基板的检测方法,其特征在于,包括:
在平行光照射于背光基板时,获取背光基板表面的图像数据;
基于所述图像数据提取阴影区域图像数据;
基于所述阴影区域图像数据生成背光基板的检测报告。
2.根据权利要求1所述的检测方法,其特征在于,基于所述图像数据提取阴影区域图像数据,包括:
构建用于提取阴影区域的网络模型;
获取由多张表面附着异物颗粒的背光基板照片构成的数据集并对每张所述背光基板照片的阴影区域进行标注,生成由多张包含阴影区域的照片构成的训练样本集和测试集;
基于所述训练样本集和测试集,对所述网络模型进行训练并验证,生成用于提取阴影区域的检测模型;
将所述图像数据输入神经网络单元,基于所述检测模型获取阴影区域提取框并提取阴影区域图像数据。
3.根据权利要求2所述的检测方法,其特征在于,基于所述阴影区域图像数据生成背光基板的检测报告,包括:
基于所述阴影区域图像数据提取其对应的异物颗粒的直径值;
基于所述异物颗粒的直径值和所述阴影区域图像数据生成该异物颗粒的检测数据;
重复上述步骤直至遍历完所述图像数据包含的全部阴影区域,生成由至少一个异物颗粒的所述检测数据构成的检测报告。
4.根据权利要求3所述的检测方法,其特征在于,基于所述阴影区域图像数据提取其对应的异物颗粒的直径值,包括:
通过所述阴影区域提取框(x,y,w,h,i)表征所述阴影区域图像数据,其中,(x,y)为所述提取框左上角坐标,w为所述提取框宽度值,h为所述提取框高度值,i为所述提取框置信度。
提取所述阴影区域提取框的宽度值作为异物颗粒的所述直径值。
5.根据权利要求4所述的检测方法,其特征在于,基于所述异物颗粒的直径值和所述阴影区域图像数据生成该异物颗粒的检测数据,包括:
通过所述阴影区域提取框(x,y,w,h,i)表征所述阴影区域图像数据;
以(x,y)为右上角坐标,构建长度为w的正方型颗粒提取框;
提取所述颗粒提取框的中心点作为颗粒中心坐标;
基于所述颗粒中心坐标和所述直径值生成所述检测数据。
6.一种背光基板的检测系统,其特征在于,包括:
图像采集单元(1),用于获取背光基板表面的图像数据;
神经网络单元,基于所述图像数据提取阴影区域图像数据;
数据处理单元,基于所述阴影区域图像数据生成背光基板的检测报告。
7.根据权利要求6所述的检测系统,其特征在于,所述神经网络单元构建用于提取阴影区域的网络模型,并获取由多张表面附着异物颗粒的背光基板照片构成的数据集并对每张所述背光基板照片的阴影区域进行标注,生成由多张包含阴影区域的照片构成的训练样本集和测试集后,基于所述训练样本集和测试集,对所述网络模型进行训练并验证,生成用于提取阴影区域的检测模型,在所述图像数据输入神经网络单元的情况下,所述神经网络单元基于所述检测模型获取阴影区域提取框并提取阴影区域图像数据。
8.根据权利要求7所述的检测系统,其特征在于,所述数据处理单元基于所述阴影区域图像数据提取其对应的异物颗粒的直径值,并基于所述异物颗粒的直径值和所述阴影区域图像数据生成该异物颗粒的检测数据,在重复上述步骤直至遍历完所述图像数据包含的全部阴影区域时,所述数据处理单元生成由至少一个异物颗粒的所述检测数据构成的检测报告。
9.根据权利要求6所述的检测系统,其特征在于,所述检测系统还包括用于提供照射于背光基板表面的平行光的光源(2),所述光源(2)包括装置壳体(21),所述装置壳体(21)内的一端设置有凸透镜(22),远离所述凸透镜(22)的所述装置壳体(21)的一端设置有发光组件(23),其中,
所述光源被设置为平行光的出射方向与背光基板表面所处的平面存在倾角。
10.根据权利要求6所述的检测系统,其特征在于,所述检测系统还包括用于承载背光基板的置物台(3)。
CN202110229829.9A 2021-03-02 2021-03-02 一种背光基板的检测方法及其系统 Pending CN112837310A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110229829.9A CN112837310A (zh) 2021-03-02 2021-03-02 一种背光基板的检测方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110229829.9A CN112837310A (zh) 2021-03-02 2021-03-02 一种背光基板的检测方法及其系统

Publications (1)

Publication Number Publication Date
CN112837310A true CN112837310A (zh) 2021-05-25

Family

ID=75934354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110229829.9A Pending CN112837310A (zh) 2021-03-02 2021-03-02 一种背光基板的检测方法及其系统

Country Status (1)

Country Link
CN (1) CN112837310A (zh)

Similar Documents

Publication Publication Date Title
US11774735B2 (en) System and method for performing automated analysis of air samples
KR102022496B1 (ko) 비전 이미지 검출을 이용한 공정 관리 및 모니터링 시스템 및 그 방법
JP6188695B2 (ja) 表面高さ属性を用いて瑕疵を分類する方法および装置
JP6549396B2 (ja) 領域検出装置および領域検出方法
US20150029324A1 (en) Substrate inspection method, substrate manufacturing method and substrate inspection device
CN112599438B (zh) MiniLED晶圆缺陷的高精度检测系统及其检测方法
JP6726687B2 (ja) 粒子分析装置及び粒子分析方法
KR102009740B1 (ko) 표시패널 검사 장치 및 그 방법
KR100868884B1 (ko) 유리 기판 유리 불량 정보 시스템 및 분류 방법
US20220222855A1 (en) System and method for determining whether a camera component is damaged
TWI512284B (zh) 玻璃氣泡瑕疵檢測系統
US20080267469A1 (en) Specimen analysis and acicular region analyzer
CN102233468A (zh) 倾斜检查装置和倾斜检查方法
JPH07198354A (ja) 画像処理を使用しての搭載されたコネクタピンのテスト
CN112837310A (zh) 一种背光基板的检测方法及其系统
JP2006145484A (ja) 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム
KR20230115891A (ko) 결함 관찰 방법, 장치 및 프로그램
Torng et al. Development of an automated optical inspection system for mobile phone panels
CN116993654A (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
CN112066917B (zh) 平面度检测设备、方法和电子设备
TW201809671A (zh) 一種光流測速模組與其測速方法
JP2022009474A (ja) ビジョンシステムでラインを検出するためのシステム及び方法
US9136185B2 (en) Methods and systems for grain size evaluation of multi-cystalline solar wafers
US20070217675A1 (en) Z-axis optical detection of mechanical feature height
Qixin et al. A binocular machine vision system for ball grid array package inspection

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