CN112986259B - 智能终端oled面板制造工艺的缺陷检测方法以及装置 - Google Patents

智能终端oled面板制造工艺的缺陷检测方法以及装置 Download PDF

Info

Publication number
CN112986259B
CN112986259B CN202110181072.0A CN202110181072A CN112986259B CN 112986259 B CN112986259 B CN 112986259B CN 202110181072 A CN202110181072 A CN 202110181072A CN 112986259 B CN112986259 B CN 112986259B
Authority
CN
China
Prior art keywords
image
shot image
determining
defect detection
defect
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.)
Active
Application number
CN202110181072.0A
Other languages
English (en)
Other versions
CN112986259A (zh
Inventor
叶佐昌
王燕
薛义深
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202110181072.0A priority Critical patent/CN112986259B/zh
Publication of CN112986259A publication Critical patent/CN112986259A/zh
Application granted granted Critical
Publication of CN112986259B publication Critical patent/CN112986259B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8411—Application to online plant, process monitoring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N2021/9511—Optical elements other than lenses, e.g. mirrors

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Electroluminescent Light Sources (AREA)

Abstract

本申请提出一种智能终端OLED面板制造工艺的缺陷检测方法、装置和电子设备。其中，该方法包括：在智能终端OLED面板的制造过程中，确定针对智能终端OLED面板的当前制造阶段；获取当前制造阶段下的面板的拍摄图像；确定当前拍摄图像的类型，并根据类型确定对应的缺陷检测方式；以及根据对应的缺陷检测方式对拍摄图像进行检测，并根据检测结果确定所述面板是否存在缺陷。本申请可以及时检测发现制造进程中的面板上出现的缺陷，以便于对能够进行修复的进行及时修复，不能进行修复的放弃后续工艺，从而可以极大地提高生产良率，降低生产成本。

Description

智能终端OLED面板制造工艺的缺陷检测方法以及装置
技术领域
本申请涉及智能终端制造技术领域，尤其涉及一种智能终端OLED(OrganicLight-Emitting Diode，有机发光二极管)面板制造工艺的缺陷检测方法、装置和电子设备。
背景技术
随着互联网的发展，用户对智能设备的需求越来越大，与此同时，用户对这些智能设备的显示模块也提出了越来越高的要求，随着制造工艺的发展，显示模块中的OLED面板的分辨率越来越高，尺寸越来越大，刷新频率越来越高，色彩越来越饱满多样，这些实际需求对显示设备提出了巨大的要求，各种最新的面板也不断出现在最新的智能设备上，其中，手机液晶面板是用户接触最多的一类显示设备，其质量高低是消费者选择手机时的重要考量指标。
手机等智能设备的显示面板是典型的半导体平面加工制造工艺，在硅片、玻璃等基底上，利用离子注入、光刻、镀膜、刻蚀等半导体加工工艺进行生产的。半导体加工过程对车间环境的洁净程度十分苛刻，工艺繁琐复杂且环节多，对精度、加工质量的要求高，任何一个中间过程的不达标都会导致产品产生缺陷，严重的会导致产品的失败，典型的液晶面板制造缺陷有色差(Mura)、刻蚀残留、脏污、异物、镀膜缺陷等类型。因此，如何及时检测发现制造进程中的面板上出现的缺陷，已经称为亟待解决的问题。
发明内容
本申请的目的旨在至少在一定程度上解决上述的技术问题之一。
为此，本申请的第一个目的在于提出一种智能终端OLED面板制造工艺的缺陷检测方法，可以及时检测发现制造进程中的面板上出现的缺陷，对能够进行修复的进行及时修复，不能进行修复的放弃后续工艺，从而可以极大地提高生产良率，降低生产成本。
本申请的第二个目的在于提出一种智能终端OLED面板制造工艺的缺陷检测装置。
本申请的第三个目的在于提出一种电子设备。
为达上述目的，本申请第一方面实施例提出了一种智能终端OLED面板制造工艺的缺陷检测方法，包括：
在智能终端OLED面板的制造过程中，确定针对所述智能终端OLED面板的当前制造阶段；获取对所述当前制造阶段下的面板的拍摄图像；确定所述拍摄图像的类型，并根据所述类型确定对应的缺陷检测方式；以及根据所述对应的缺陷检测方式对所述拍摄图像进行检测，并根据检测结果确定所述面板是否存在缺陷。
为达上述目的，本申请第二方面实施例提出了一种智能终端OLED面板制造工艺的缺陷检测装置，包括：
第一确定模块，用于在智能终端OLED面板的制造过程中，确定针对所述智能终端OLED面板的当前制造阶段；获取模块，用于获取对所述当前制造阶段下的面板的拍摄图像；第二确定模块，用于确定所述拍摄图像的类型，并根据所述类型确定对应的缺陷检测方式；以及检测模块，用于根据所述对应的缺陷检测方式对所述拍摄图像进行检测，并根据检测结果确定所述面板是否存在缺陷。
为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现本申请第一方面实施例所述的智能终端OLED面板制造工艺的缺陷检测方法。
根据本申请实施例的技术方案，在智能终端OLED面板的制造过程中，确定针对智能终端OLED面板的当前制造阶段，获取对当前制造阶段下的面板的拍摄图像，并确定当前制造拍摄图像的类型，并根据类型确定对应的缺陷检测方式，这样，可根据对应的缺陷检测方式对拍摄图像进行检测，并根据检测结果确定当前面板是否存在缺陷。由此，本申请通过根据不同的制造阶段的图像类型，采用不同的缺陷检测方式对制造工艺进行缺陷的检测，这样，可以及时检测发现制造进程中的面板上出现的缺陷，以便后续对能够进行修复的进行及时修复，不能进行修复的放弃后续工艺，从而可以极大地促进以半导体工艺为基础的智能设备面板制造流程的自动化，提升生产效率、提高制造良率，并降低了生产成本和人力成本。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例所提供的一种智能终端OLED面板制造工艺的缺陷检测方法的流程示意图；
图2是根据本申请一个具体实施例的智能终端OLED面板制造工艺的缺陷检测方法的流程图；
图3a为本申请实施例的拍摄图像的分割示例图；
图3b为本申请实施例的掩膜图片的像素值按位相乘的示例图；
图4为本申请实施例提供的一种智能终端OLED面板制造工艺的缺陷检测装置的结构示意图；
图5是根据本申请一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的智能终端OLED面板制造工艺的缺陷检测方法、装置和电子设备。
图1为本申请实施例所提供的一种智能终端OLED面板制造工艺的缺陷检测方法的流程示意图。需要说明的是，本申请实施例的智能终端OLED面板制造工艺的缺陷检测方法可应用于本申请实施例的智能终端OLED面板制造工艺的缺陷检测装置。该缺陷检测装置被配置于电子设备。
如图1所示，本申请实施例的智能终端OLED面板制造工艺的缺陷检测方法可以包括以下步骤。
在步骤101中，在智能终端OLED面板的制造过程中，确定针对智能终端OLED面板的当前制造阶段。
在步骤102中，获取对当前制造阶段下的面板的拍摄图像。
在步骤103中，确定拍摄图像的类型，并根据类型确定对应的缺陷检测方式。
需要说明的是，智能终端OLED面板制造含有多种工艺，例如，在硅片、玻璃等基底上，利用离子注入、光刻、镀膜、刻蚀等半导体加工工艺进行生产，而对于智能终端OLED面板的图案特征通常会被分为两种，一种是无周期性图片，另一种是有周期性图片。其中，无周期性的图片出现在智能终端OLED面板的前段制程，即较低层次的制造阶段；有周期性的图案是智能终端OLED面板制造过程中更高层级的制造阶段的拍摄图片。由于智能终端OLED面板的制造工艺含有前段Array制程、中段制程和后段制程，所以智能终端OLED面板的制造工艺具有多种类型，因此在检测当前制造工艺是否存在缺陷时，可先根据当前制造阶段确定图案特征是否呈现出周期性，再确定对应的缺陷检测方式，以便采用该对应的缺陷检测方式实现对当前制造阶段下的面板是否存在缺陷的检测。
在步骤104中，根据对应的缺陷检测方式对拍摄图像进行检测，并根据检测结果确定当前制造工艺下的面板是否存在缺陷。
可选地，在确定出与当前制造阶段的类型对应的缺陷检测方式之后，可根据该缺陷检测方式检测该拍摄图像之中是否存在缺陷或异常点，并根据检测结果判断当前制造阶段是否存在缺陷。
根据本申请实施例的智能终端OLED面板制造工艺的缺陷检测方法，在智能终端OLED面板的制造过程中，确定针对智能终端OLED面板的当前制造阶段，获取对当前制造工艺的拍摄图像，并确定当前制造拍摄图像的类型，并根据类型确定对应的缺陷检测方式，这样，可根据对应的缺陷检测方式对拍摄图像进行检测，并根据检测结果确定当前制造工艺是否存在缺陷。由此，本申请通过根据不同的制造阶段的类型，采用不同的缺陷检测方式对制造工艺进行缺陷的检测，这样，可以及时检测发现制造进程中的面板上出现的缺陷，以便后续对能够进行修复的进行及时修复，不能进行修复的放弃后续工艺，从而可以极大地促进以半导体工艺为基础的智能设备面板制造流程的自动化，提升生产效率、提高制造良率，并降低了生产成本和人力成本。
图2是根据本申请一个具体实施例的智能终端OLED面板制造工艺的缺陷检测方法的流程图。如图2所示，该智能终端OLED面板制造工艺的缺陷检测方法可以包括如下步骤。
在步骤201中，在智能终端OLED面板的制造过程中，确定针对智能终端OLED面板的当前制造阶段。
在步骤202中，获取对当前制造阶段下的面板的拍摄图像。
在步骤203中，在拍摄图像的类型为第一类型时，确定与第一类型对应的缺陷检测方式为第一缺陷检测方式。
其中，在本申请实施例中，第一缺陷检测方式可为针对无周期性的缺陷图片进行检测的方式。其中，该无周期性的缺陷图片可理解为智能终端OLED面板制造过程之中拍摄到的图片中图案内容不呈现出周期性的缺陷图片。
在步骤204中，根据第一缺陷检测方式对拍摄图像进行检测，并根据检测结果确定当前制造工艺下的面板是否存在缺陷。
在本申请一些实施例中，采用多种图像滤波方式对拍摄图像进行预处理，以获得多张图像；其中，每张图像为采用对应种类的滤波方式对拍摄图像进行预处理后得到的图像。分别在每张图像上进行显著性检测，并根据目标阈值对每张图像的显著性检测结果中的散点进行过滤，以获得每张图像对应的检测图像。将每张检测图像按照像素值相乘，以获得目标检测图像。计算目标检测图像之中的连通域，并将目标检测图像之中的最大连通域确定为拍摄图像中存在的缺陷。
举例而言，可首先采用高斯滤波、均值滤波以及这两种滤波的不同组合对拍摄图像进行预处理。采用高斯滤波的意义是尽可能保留该点本身的信息，同时对极值进行一定的抑制；采用均值滤波的意义是平滑该点处的像素值，使得临近的点之间的像素更为接近。这两种滤波在不同图像上的表现各有优劣，原因就在于拍摄光源带来的差异性，有些图片的像素值一致性更好些，而有些图像内部的像素的差异比较大。
其中，具体的滤波组合包含以下5个：(1)无滤波；(2)高斯滤波；(3)均值滤波；(4)先高斯滤波再均值滤波；(5)先均值滤波再高斯滤波。滤波窗口的大小(奇数值)需要根据图像的尺寸设定，图像尺寸可为1000x1000左右或更大时，设置为11x11的滤波窗即可，然后分别在经过5种滤波方式对拍摄图像进行预处理后得到的5张图像上进行视觉显著性检测，根据图像的像素分布情形设置合理的经验阈值，该经验阈值可作为目标阈值，这样，可根据该目标阈值对每张图像的显著性检测结果中的散点进行过滤，以过滤掉零乱的散点以避免误检，最后，将这5张图像按照像素值相乘作为最终的检测结果，计算该图中的连通域情形，最大的连通域就是该图片中的最明显的缺陷。
在步骤205中，在拍摄图像的类型为第二类型时，确定与第二类型对应的缺陷检测方式为第二缺陷检测方式。
其中，第二缺陷检测方式为针对有周期性的缺陷图片进行检测的方式。其中，该有周期性的缺陷图片可理解为智能终端OLED面板制造过程之中拍摄到的图片中图案内容呈现出周期性的缺陷图片。
在步骤206中，根据第二缺陷检测方式对拍摄图像进行检测，并根据检测结果确定当前制造工艺下的面板是否存在缺陷。
在本申请一些实施例中，将拍摄图像分别与多张模板图像进行模板匹配，获得多张与拍摄图像匹配的目标模板区域，并根据拍摄图像和多张目标模板区域，生成多张掩膜图片；将多张掩膜图片进行像素值按位相乘操作，判断经过相乘操作后得到的图像中是否存在差异区域；若经过相乘操作后得到的图像中存在差异区域，则确定拍摄图像中存在缺陷；若经过相乘操作后得到的图像中不存在差异区域，则确定拍摄图像中无缺陷。
可选地，所述将拍摄图像分别与多张模板图像进行模板匹配，获得多张与拍摄图像匹配的目标模板区域，并根据拍摄图像和多张目标模板区域，生成多张掩膜图片的具体实现过程可如下：针对每张模板图像，将拍摄图像进行分割，获得针对拍摄图像的多个分割区域；将每个分割区域分别与模板图像进行模板匹配，获得每个分割区域的模板匹配区域；将每个分割区域与每个分割区域对应的模板匹配区域进行像素点减法操作并保留差值的绝对值，获得一张掩膜图片。
举例而言，由于单个模板的匹配不足以解决缺陷的定位问题，原因就在于任何单张的图片都存在制造工艺带来的随机性，结构一致的情况下也不可能每一个像素都对应相似，所以进行多模板匹配，将一张拍摄图像和多张实际生产过程中的没有缺陷的图片作为模板进行模板匹配。例如，以三张模板图片为例，三张模板图片分别为A模板、B模板和C模板，将如图3a所示的拍摄图像进行分割，分割成多个TxXTy大小的分割区域，并将每个分割区域分别与A模板进行匹配，获得每个分割区域的模板匹配区域，将每个分割区域与每个模板匹配区域进行像素点减法操作，这样可获得一张掩膜图片，之后，可将多个分割区域与B模板进行匹配，获得另一张掩膜图片，针对C模板也类似，将多个分割区域与B模板进行匹配，再次获得一张掩膜图片，此时获得三张掩膜图片，其中，可设定经验阈值以进行过滤，保留显著性的差异部分。如图3b所示，而将三张掩膜图片进行像素值按位相乘操作，判断经过相乘操作后得到的图像中是否存在差异区域。虽然拍摄图像和每一张模板做匹配都会出现零散的散点差异，但是相乘之后，许多地方的散点都被抵消掉。这样做的原理从概率角度上解释就是多次采样，重复采样依然出现差异的位置大概率上就是缺陷位置，而没有缺陷的像素点位置多次采样，每一次采样都会出现差异是一件小概率事件。匹配的模板数量越多，结果应该越准确，但是带来的问题就是计算量的增加和效率的降低，因此，例如，可采用3张或者5张良好的无缺陷的图片是折中效果与效率的策略，这种利用多模板进行匹配再综合判断的策略可以消除实际生产中的随机扰动，获得良好的检测效果。
需要说明的是，由于拍摄图像与模板图片尺寸是一致的，无法将待检测图片进行整体上的模板匹配。在本申请实施例中，需要对待匹配图片进行分割，分割方式的选择需要基于缺陷图片本身的周期性，横向分割数尽量保持小于或等于原始周期数，纵向分割数亦是不超过原始周期数，具体的分割方式可以通过一定数量的样本数据进行尝试来确定。
还需要说明的是，利用“平均亮度”作为区域选择的度量，其计算方式是掩膜图片中某个连通域内的所有非零像素点的平均值，平均亮度最大的区域作为算法“判断”出来的缺陷所在的位置。为了去除可能存在的散点的影响，采用图像学中“腐蚀”操作以剔除这部分点的存在，最终，获得对于某张缺陷图片的检测结果。
综上所述，本申请针对常见的OLED手机面板制造过程中的缺陷，分别为无周期性和有周期性的两种特征的缺陷图像开发了相应的算法，算法流程简洁明了，易于部署，可靠性高，检测准确率高，在两种类型的图像上均可以达到97％的检测准确率。另外，本申请能够应对各种复杂的工艺层背景情形，特别是针对复杂有周期性的图片，只需要提供几张良好的生产过程的无缺陷图片即可以实现检测，同时，本申请可以进行并行计算，可以极大地提高运算的效率。
为了实现上述实施例，本申请还提出一种智能终端OLED面板制造工艺的缺陷检测装置。
图4为本申请实施例提供的一种智能终端OLED面板制造工艺的缺陷检测装置的结构示意图。如图4所示，该智能终端OLED面板制造工艺的缺陷检测装置400包括：第一确定模块401、获取模块402、第二确定模块403和检测模块404。
具体地，第一确定模块401用于在智能终端OLED面板的制造过程中，确定针对智能终端OLED面板的当前制造工艺。
获取模块402用于获取对当前制造工艺的拍摄图像。
第二确定模块403用于确定当前制造阶段拍摄图片的类型，并根据类型确定对应的缺陷检测方式。其中，在本申请实施例中，当所述类型为第一类型时，确定所述对应的缺陷检测方式为第一缺陷检测方式；所述第一缺陷检测方式为针对无周期性的缺陷图片进行检测的方式；当所述类型为第二类型时，确定所述对应的缺陷检测方式为第二缺陷检测方式；所述第二缺陷检测方式为针对有周期性的缺陷图片进行检测的方式。
检测模块404用于根据对应的缺陷检测方式对拍摄图像进行检测，并根据检测结果确定当前制造工艺是否存在缺陷。
在本申请实施例中，当所述对应的缺陷检测方式为所述第一缺陷检测方式；其中，检测模块404具体用于：采用多种滤波方式对所述拍摄图像进行预处理，以获得多张图像；其中，每张图像为采用对应种类的滤波方式对所述拍摄图像进行预处理后得到的图像；分别在每张所述图像上进行显著性检测，并根据目标阈值对每张所述图像的显著性检测结果中的散点进行过滤，以获得每张所述图像对应的检测图像；将每张检测图像按照像素值相乘，以获得目标检测图像；计算所述目标检测图像之中的连通域，并将所述目标检测图像之中的最大连通域确定为所述拍摄图像中存在的缺陷。
在本申请实施例中，当所述对应的缺陷检测方式为第二缺陷检测方式；其中，检测模块404具体用于：将拍摄图像分别与多张模板图像进行模板匹配，获得多张与拍摄图像匹配的目标模板区域，并根据拍摄图像和多张目标模板区域，生成多张掩膜图片；将多张掩膜图片进行像素值按位相乘操作，判断经过相乘操作后得到的图像中是否存在差异区域；若经过相乘操作后得到的图像中存在差异区域，则确定拍摄图像中存在缺陷；若经过相乘操作后得到的图像中不存在差异区域，则确定拍摄图像中无缺陷。
在本申请实施例中，检测模块404将拍摄图像分别与多张模板图像进行模板匹配，获得多张与拍摄图像匹配的目标模板区域，并根据拍摄图像和多张目标模板区域，生成多张掩膜图片的具体实现过程可如下：针对每张模板图像，将拍摄图像进行分割，获得针对拍摄图像的多个分割区域；将每个分割区域分别与模板图像进行模板匹配，获得每个分割区域的模板匹配区域；将每个分割区域与每个分割区域对应的模板匹配区域进行像素点减法操作并保留差值的绝对值，获得一张掩膜图片。
可选地，在本申请实施例中，检测模块404还可用于计算所述经过相乘操作后得到的图像之中各连通域内的所有非零像素点的平均值，并将各平均值作为对应连通域的平均亮度；将平均亮度最大的区域作为所述拍摄图像之中缺陷所在的位置。
需要说明的是，前述对智能终端OLED面板制造工艺的缺陷检测方法实施例的解释说明也适用于该实施例的智能终端OLED面板制造工艺的缺陷检测装置，此处不再赘述。
根据本申请实施例的智能终端OLED面板制造工艺的缺陷检测装置，在智能终端OLED面板的制造过程中，确定针对智能终端OLED面板的当前制造阶段，获取对当前制造工艺的拍摄图像，并确定当前拍摄图像的类型，并根据类型确定对应的缺陷检测方式，这样，可根据对应的缺陷检测方式对拍摄图像进行检测，并根据检测结果确定当前制造工艺是否存在缺陷。由此，本申请通过根据不同的制造阶段的拍摄图像的特征，采用不同的缺陷检测方式对制造工艺进行缺陷的检测，这样，可以及时检测发现制造进程中的面板上出现的缺陷，以便后续对能够进行修复的进行及时修复，不能进行修复的放弃后续工艺，从而可以极大地促进以半导体工艺为基础的智能设备面板制造流程的自动化，提升生产效率、提高制造良率，并降低了生产成本和人力成本。
为了实现上述实施例，本申请还提出一种电子设备。
图5是根据本申请一个实施例的电子设备的结构示意图。如图5所示，该电子设备500可以包括：存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序503，处理器502执行所述程序503时，实现本申请上述任一个实施例所述的智能终端OLED面板制造工艺的缺陷检测方法。
根据本申请实施例的技术方案，在智能终端OLED面板的制造过程中，确定针对智能终端OLED面板的当前制造阶段，获取对当前制造阶段的拍摄图像，并确定当前拍摄图像的类型，并根据类型确定对应的缺陷检测方式，这样，可根据对应的缺陷检测方式对拍摄图像进行检测，并根据检测结果确定当前拍摄图像是否存在缺陷。由此，本申请通过根据不同的拍摄图像的类型，采用不同的缺陷检测方式对制造工艺进行缺陷的检测，这样，可以及时检测发现制造进程中的面板上出现的缺陷，以便后续对能够进行修复的进行及时修复，不能进行修复的放弃后续工艺，从而可以极大地促进以半导体工艺为基础的智能设备面板制造流程的自动化，提升生产效率、提高制造良率，并降低了生产成本和人力成本。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种智能终端OLED面板制造工艺的缺陷检测方法，其特征在于，包括：
在智能终端OLED面板的制造过程中，确定针对所述智能终端OLED面板的当前制造阶段；
获取对所述当前制造阶段下的面板的拍摄图像；
确定所述拍摄图像的类型，并根据所述类型确定对应的缺陷检测方式，其中，所述确定所述拍摄图像的类型，并根据所述类型确定对应的缺陷检测方式，包括：当所述类型为第一类型时，确定所述对应的缺陷检测方式为第一缺陷检测方式；所述第一缺陷检测方式为针对无周期性的缺陷图片进行检测的方式；当所述类型为第二类型时，确定所述对应的缺陷检测方式为第二缺陷检测方式；所述第二缺陷检测方式为针对有周期性的缺陷图片进行检测的方式；以及
根据所述对应的缺陷检测方式对所述拍摄图像进行检测，并根据检测结果确定所述面板是否存在缺陷。
2.根据权利要求1所述的方法，其特征在于，当所述对应的缺陷检测方式为所述第一缺陷检测方式；所述根据所述对应的缺陷检测方式对所述拍摄图像进行检测，包括：
采用多种图像滤波方式对所述拍摄图像进行预处理，以获得多张图像；其中，每张图像为采用对应种类的滤波方式对所述拍摄图像进行预处理后得到的图像；
分别在每张所述图像上进行显著性检测，并根据目标阈值对每张所述图像的显著性检测结果中的散点进行过滤，以获得每张所述图像对应的检测图像；
将每张检测图像按照像素值相乘，以获得目标检测图像；
计算所述目标检测图像之中的连通域，并将所述目标检测图像之中的最大连通域确定为所述拍摄图像中存在的缺陷。
3.根据权利要求1所述的方法，其特征在于，当所述对应的缺陷检测方式为所述第二缺陷检测方式；所述根据所述对应的缺陷检测方式对所述拍摄图像进行检测，包括：
将所述拍摄图像分别与多张模板图像进行模板匹配，获得多张与所述拍摄图像匹配的目标模板区域，并根据所述拍摄图像和多张目标模板区域，生成多张掩膜图片；
将所述多张掩膜图片进行像素值按位相乘操作，判断经过相乘操作后得到的图像中是否存在差异区域；
若所述经过相乘操作后得到的图像中存在差异区域，则确定所述拍摄图像中存在缺陷；
若所述经过相乘操作后得到的图像中不存在差异区域，则确定所述拍摄图像中无缺陷。
4.根据权利要求3所述的方法，其特征在于，所述将所述拍摄图像分别与多张模板图像进行模板匹配，获得多张与所述拍摄图像匹配的目标模板区域，并根据所述拍摄图像和多张目标模板区域，生成多张掩膜图片，包括：
针对每张所述模板图像，将所述拍摄图像进行分割，获得针对所述拍摄图像的多个分割区域；
将每个所述分割区域分别与所述模板图像进行模板匹配，获得每个所述分割区域的模板匹配区域；
将每个所述分割区域与每个所述分割区域对应的模板匹配区域进行像素点减法操作并保留差值的绝对值，获得一张掩膜图片。
5.根据权利要求3所述的方法，其特征在于，还包括：
计算所述经过相乘操作后得到的图像之中各连通域内的所有非零像素点的平均值，并将各平均值作为对应连通域的平均亮度；
将平均亮度最大的区域作为所述拍摄图像之中缺陷所在的位置。
6.一种智能终端OLED面板制造工艺的缺陷检测装置，其特征在于，包括：
第一确定模块，用于在智能终端OLED面板的制造过程中，确定针对所述智能终端OLED面板的当前制造阶段；
获取模块，用于获取对所述当前制造阶段下的面板的拍摄图像；
第二确定模块，用于确定所述拍摄图像的类型，并根据所述类型确定对应的缺陷检测方式；以及
检测模块，用于根据所述对应的缺陷检测方式对所述拍摄图像进行检测，并根据检测结果确定所述面板是否存在缺陷。
7.根据权利要求6所述的装置，其特征在于，当所述对应的缺陷检测方式为第一缺陷检测方式；所述检测模块具体用于：
采用多种滤波方式对所述拍摄图像进行预处理，以获得多张图像；其中，每张图像为采用对应种类的滤波方式对所述拍摄图像进行预处理后得到的图像；
分别在每张所述图像上进行显著性检测，并根据目标阈值对每张所述图像的显著性检测结果中的散点进行过滤，以获得每张所述图像对应的检测图像；
将每张检测图像按照像素值相乘，以获得目标检测图像；
计算所述目标检测图像之中的连通域，并将所述目标检测图像之中的最大连通域确定为所述拍摄图像中存在的缺陷。
8.根据权利要求6所述的装置，其特征在于，当所述对应的缺陷检测方式为第二缺陷检测方式；所述检测模块具体用于：
将所述拍摄图像分别与多张模板图像进行模板匹配，获得多张与所述拍摄图像匹配的目标模板区域，并根据所述拍摄图像和多张目标模板区域，生成多张掩膜图片；
将所述多张掩膜图片进行像素值按位相乘操作，判断经过相乘操作后得到的图像中是否存在差异区域；
若所述经过相乘操作后得到的图像中存在差异区域，则确定所述拍摄图像中存在缺陷；
若所述经过相乘操作后得到的图像中不存在差异区域，则确定所述拍摄图像中无缺陷。
9.根据权利要求8所述的装置，其特征在于，所述检测模块具体用于：
针对每张所述模板图像，将所述拍摄图像进行分割，获得针对所述拍摄图像的多个分割区域；
将每个所述分割区域分别与所述模板图像进行模板匹配，获得每个所述分割区域的模板匹配区域；
将每个所述分割区域与每个所述分割区域对应的模板匹配区域进行像素点减法操作并保留差值的绝对值，获得一张掩膜图片。
10.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1至5中任一项所述的智能终端OLED面板制造工艺的缺陷检测方法。
CN202110181072.0A 2021-02-09 2021-02-09 智能终端oled面板制造工艺的缺陷检测方法以及装置 Active CN112986259B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110181072.0A CN112986259B (zh) 2021-02-09 2021-02-09 智能终端oled面板制造工艺的缺陷检测方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110181072.0A CN112986259B (zh) 2021-02-09 2021-02-09 智能终端oled面板制造工艺的缺陷检测方法以及装置

Publications (2)

Publication Number Publication Date
CN112986259A CN112986259A (zh) 2021-06-18
CN112986259B true CN112986259B (zh) 2022-05-24

Family

ID=76393023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110181072.0A Active CN112986259B (zh) 2021-02-09 2021-02-09 智能终端oled面板制造工艺的缺陷检测方法以及装置

Country Status (1)

Country Link
CN (1) CN112986259B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117117049B (zh) * 2023-10-17 2024-02-13 迈为技术(珠海)有限公司 晶元修复方法、装置、设备、介质和程序产品
CN117132590B (zh) * 2023-10-24 2024-03-01 威海天拓合创电子工程有限公司 一种基于图像的多板卡缺陷检测方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019061608A1 (zh) * 2017-09-30 2019-04-04 深圳市华星光电半导体显示技术有限公司 一种面板点灯机、面板点灯测试系统及测试方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010008067A1 (ja) * 2008-07-18 2010-01-21 旭硝子株式会社 欠陥検査のための画像データの処理装置および方法、これらを用いた欠陥検査装置および方法、これらを用いた板状体の製造方法、並びに記録媒体
CN101672804B (zh) * 2008-09-11 2012-09-19 北京京东方光电科技有限公司 液晶显示器基板检测装置及缺陷检测方法
KR101065419B1 (ko) * 2010-02-26 2011-09-16 삼성모바일디스플레이주식회사 유기 발광 표시 장치 및 그의 구동 방법
NL2007941C2 (en) * 2011-12-09 2013-06-11 Stichting Energie Qualification of silicon wafers for photo-voltaic cells by optical imaging.
JP5957378B2 (ja) * 2012-12-28 2016-07-27 株式会社日立ハイテクノロジーズ 欠陥観察方法および欠陥観察装置
CN107610060B (zh) * 2017-08-29 2020-03-17 西安交通大学 一种oled图像灼烧改善方法及装置
EP3518041A1 (en) * 2018-01-30 2019-07-31 ASML Netherlands B.V. Inspection apparatus and inspection method
KR102599951B1 (ko) * 2018-06-25 2023-11-09 삼성전자주식회사 전자 장치 및 그의 제어방법
CN109683358B (zh) * 2019-01-22 2022-08-12 成都中电熊猫显示科技有限公司 检测方法、装置和存储介质
US11199734B2 (en) * 2019-06-20 2021-12-14 Novatek Microelectronics Corp. Image adjustment device for a display comprising a duty cycle calculator configured to receive an input image and an intensity calculator configured to calculate a pixel intensity and image adjustment method
CN110189670A (zh) * 2019-06-24 2019-08-30 珠海格力智能装备有限公司 一种led显示屏幕缺陷检测方法
CN110599484B (zh) * 2019-09-19 2023-01-10 京东方科技集团股份有限公司 缺陷检测方法、装置及存储介质
CN111882541A (zh) * 2020-07-28 2020-11-03 广州柔视智能科技有限公司 缺陷检测方法、装置、设备及计算机可读存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019061608A1 (zh) * 2017-09-30 2019-04-04 深圳市华星光电半导体显示技术有限公司 一种面板点灯机、面板点灯测试系统及测试方法

Also Published As

Publication number Publication date
CN112986259A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN109871895B (zh) 电路板的缺陷检测方法和装置
JP4095860B2 (ja) 欠陥検査方法及びその装置
CN112986259B (zh) 智能终端oled面板制造工艺的缺陷检测方法以及装置
US7027934B2 (en) Apparatus and method for automated web inspection
JP5624326B2 (ja) ウェーハ上に形成されたアレイ領域のための検査領域のエッジを正確に識別する方法、及び、ウェーハ上に形成されたアレイ領域に検知された欠陥をビニングする方法
CN111598913B (zh) 一种基于机器人视觉的图像分割方法和系统
CN109671078B (zh) 一种产品表面图像异常检测方法及装置
TWI497032B (zh) 缺陷檢查裝置
CN111612757A (zh) 一种屏幕裂纹的检测方法、装置、设备及存储介质
CN114782329A (zh) 一种基于图像处理的轴承缺陷损伤程度评估方法及系统
KR20220143644A (ko) 시편의 검사를 위한 결함 위치의 결정
CN114565552A (zh) 光学元件表面缺陷的检测方法、装置及电子设备
Ma et al. An automatic detection method of Mura defects for liquid crystal display
CN111369492B (zh) 一种显示屏的检测方法及检测装置、检测系统
US8855401B2 (en) Methods and systems involving measuring complex dimensions of silicon devices
JP4017148B2 (ja) パターン検査装置、歩留管理システム、パターン検査方法、基板製造方法およびプログラム
CN113469969B (zh) 图像生成方法、图像生成装置、检测设备及可读存储介质
JP6114559B2 (ja) フラットパネルディスプレイの自動ムラ検出装置
CN114913794A (zh) 一种显示缺陷评估方法、评估装置和相关设备
CN101236164B (zh) 用于缺陷检测的方法及系统
CN114387249A (zh) 检测方法及检测装置、设备和存储介质
CN111768357A (zh) 一种图像检测的方法及装置
CN111951179B (zh) 基于Radon变换的图像偏转矫正方法及装置
CN113916903B (zh) 缺陷检测方法及系统
CN112767400B (zh) 缺陷检测方法和装置

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