CN113406112A - 透明基板薄膜的瑕疵检测方法及其系统 - Google Patents
透明基板薄膜的瑕疵检测方法及其系统 Download PDFInfo
- Publication number
- CN113406112A CN113406112A CN202110672688.8A CN202110672688A CN113406112A CN 113406112 A CN113406112 A CN 113406112A CN 202110672688 A CN202110672688 A CN 202110672688A CN 113406112 A CN113406112 A CN 113406112A
- Authority
- CN
- China
- Prior art keywords
- image
- substrate
- region
- pattern
- processor
- 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
Links
- 239000000758 substrate Substances 0.000 title claims abstract description 191
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 239000000463 material Substances 0.000 claims abstract description 116
- 230000007547 defect Effects 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000002093 peripheral effect Effects 0.000 claims abstract description 10
- 238000003709 image segmentation Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 claims description 27
- 239000004408 titanium dioxide Substances 0.000 claims description 13
- 239000012535 impurity Substances 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 3
- 239000010410 layer Substances 0.000 description 22
- 239000010408 film Substances 0.000 description 18
- 238000007689 inspection Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 239000010409 thin film Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 3
- 239000002356 single layer Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明提出一种透明基板薄膜的瑕疵检测方法及其系统。瑕疵检测方法包括以下步骤：通过处理器取得具有透明基板薄膜的基板的基板影像；通过处理器对基板影像进行影像前处理，以决定感兴趣区域；通过处理器对基板影像中的感兴趣区域进行影像分割处理，以区别在感兴趣区域中的周边区域以及材料区域，并且产生遮罩影像；以及通过处理器比对遮罩影像与基板影像，以分析在基板影像的材料区域中的材料图案是否具有图案瑕疵，并且进而判断基板是否具有瑕疵。由此，可自动且有效地检测透明基板薄膜的基板是否具有瑕疵。
Description
技术领域
本发明有关于一种检测技术，且特别有关于一种透明基板薄膜的瑕疵检测方法及其系统。
背景技术
染料敏化太阳能电池(Dye-Sensitized Solar Cell，DSSC)是目前太阳能电池领域的主要发展方向之一。然而，在生产染料敏化太阳能电池的过程中，染料敏化太阳能电池的透明导电基板上需涂布有至少一层二氧化钛材料薄膜及至少一层染料薄膜，以作为导电层以及吸光层。对此，导电基板的生产良率涉及导电层以及吸光层是否被均匀涂布、是否具有杂质或是否涂布在正确位置上。然而，目前都是由人工的方式(错误率较高)来判断导电基板上的导电层以及吸光层是否被正确涂布，因此导致染料敏化太阳能电池的生产成本较高以及生产良率不佳的情况。此外，显示器面板和触控面板等表面具有薄膜材料图案的透明基板也有类似的薄膜良率的问题。有鉴于此，以下将提出几个实施例的解决方案。
发明内容
本发明提供一种透明基板薄膜的瑕疵检测方法及其系统，可自动且有效地检测透明基板薄膜的基板是否具有瑕疵。
本发明的透明基板薄膜的瑕疵检测方法包括以下步骤：通过处理器取得具有透明基板薄膜的基板的基板影像；通过处理器对基板影像进行影像前处理，以决定感兴趣区域；通过处理器对基板影像中的感兴趣区域进行影像分割处理，以区别在感兴趣区域中的周边区域以及材料区域，并且产生遮罩影像；以及通过处理器比对遮罩影像与基板影像，以分析在基板影像的材料区域中的材料图案是否具有图案瑕疵，并且进而判断基板是否具有瑕疵。
本发明的透明基板薄膜的瑕疵检测系统包括储存装置以及处理器。储存装置用以储存多个模块。处理器耦接储存装置，并且通过执行所述多个模块，以进行以下操作：取得具有透明基板薄膜的基板的基板影像；对基板影像进行影像前处理，以决定感兴趣区域；对基板影像中的感兴趣区域进行影像分割处理，以区别在感兴趣区域中的周边区域以及材料区域，并且产生遮罩影像；以及比对遮罩影像与基板影像，以分析在基板影像的材料区域中的材料图案是否具有图案瑕疵，并且进而判断基板是否具有瑕疵。
基于上述，本发明的透明基板薄膜的瑕疵检测方法及其系统，可对透明基板薄膜的基板的基板影像进行影像处理及影像分析，并且可基于基板影像的分析结果来有效地判断具有透明基板薄膜的基板是否具有瑕疵。
为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。
附图说明
图1是本发明的一实施例的瑕疵检测系统的示意图。
图2是本发明的一实施例的基板影像的取像示意图。
图3是本发明的一实施例的基板影像的示意图。
图4是本发明的一实施例的瑕疵检测方法的流程图。
图5是本发明的一实施例的遮罩影像的示意图。
图6是本发明的一实施例的材料图案的示意图。
图7是本发明的另一实施例的基板影像的示意图。
图8是本发明的一实施例的样板影像的示意图。
图9是本发明的另一实施例的材料图案的示意图。
其中，附图中符号的简单说明如下：
100：瑕疵检测系统；110：处理器；120：储存装置；121：边缘检测模块；122：分割网络模块；123：稠密卷积网络模块；124：线段检测模块；200：封闭箱体；210：导电基板；220：摄影机；230、240：光源；300：基板影像；301：基板部分；302：背景部分；303：周边区域；304：材料区域；311～314、611～614、811～814：材料图案；3111、3112、3121、3122、3131、3132、3141、3142：边缘线段；500：遮罩影像；510、520：影像区域；601：非均匀区域；602～605：杂质图案；800：样板影像；8111、8112、8121、8122、8131、8132、8141、8142：参考边缘线段；D1～D8：距离；K1～K8：参考距离；P1～P4：基准图标；PA～PD：参考基准图标；S410、S420、S430、S440：步骤；T1：第一方向；T2：第二方向。
具体实施方式
为了使本发明的内容可以被更容易明了，以下特举实施例作为本发明确实能够据以实施的范例。另外，凡可能之处，在图式及实施方式中使用相同标号的元件/构件/步骤，代表相同或类似部件。
图1是本发明的一实施例的瑕疵检测系统的示意图。参考图1，瑕疵检测系统100包括处理器110以及储存装置120。处理器100耦接储存装置120。在本实施例中，储存装置120可储存边缘检测模块121、分割网络模块122、稠密卷积网络模块123以及线段检测模块124，但本发明并不限于此。在本发明的另一些实施例中，储存装置120还可储存其他相关影像处理及影像分析的模块或演算法，并且还可用于储存本发明各实施例所述的影像数据、影像处理结果及影像分析结果。在本发明的又另一些实施例中，储存装置120可只储存稠密卷积网络模块123或线段检测模块124。
在本实施例中，处理器110可例如是图形处理器(Graphics Processing Unit，GPU)、中央处理器(Central Processing Unit，CPU)、微处理器(Microprocessor ControlUnit，MCU)或现场可编程门阵列(Field Programmable Gate Array，FPGA)等诸如此类的具有数据处理能力的数字及/或模拟的处理电路、整合电路或晶片。储存装置120可为存储器(Memory)，并且可供处理器110存取数据，以使处理器110可执行本发明各实施例的方法与操作。
先说明的是，以下虽以太阳能电池基板(导电基板)为例进行说明，但本领域技术人员可以理解本发明亦可适用于其他表面具有薄膜材料图案(透明基板薄膜)的透明基板(例如显示器面板或触控面板)。在本实施例中，瑕疵检测系统100可用于对染料敏化太阳能电池(Dye-Sensitized Solar Cell，DSSC)进行瑕疵检测，特别是对染料敏化太阳能电池的透明导电基板上的材料图案进行分析，以自动化地判断导电基板是否具有瑕疵。在本实施例中，导电基板上可例如包括透明基材以及涂布在透明基材上的至少一层二氧化钛(Titanium dioxide,TiO2)材料及至少一层染料(Dye)的至少其中之一。在本实施例中，所述透明基材可为玻璃或塑胶材料，但本发明并不加以限制。二氧化钛材料可涂布在导电基板作为导电层，并且染料可接着涂布在导电基板的导电层上来作为吸光层。导电层与吸光层的范围及形状可为一致。并且，导电基板可依序涂布有多层导电层与多层吸光层，其中所述多层导电层与所述多层吸光层为交错堆叠。
值得注意的是，本发明的瑕疵检测系统100可对仅涂布有单一层二氧化钛材料的电极层的导电基板的基板影像进行影像检测，也可对涂布有单一层二氧化钛材料的电极层以及涂布有单一层染料的基板影像进行影像检测。甚至，本发明的瑕疵检测系统100可对涂布有多层二氧化钛材料的电极层以及涂布有多层染料的基板影像进行影像检测。本发明的瑕疵检测系统100可检测出二氧化钛材料的电极层及/或染料是否为完整涂布或是否涂布在正确的基板位置上。
图2是本发明的一实施例的基板影像的取像示意图。图3是本发明的一实施例的基板影像的示意图。参考图1至图3，在本发明的一些实施例中，瑕疵检测系统100还可包括图2的摄影机220以及光源230、240，并且处理器110耦接并控制光源230、240。或者，在本发明的另一些实施例中，瑕疵检测系统100未包括图2的摄影机220以及光源230、240。瑕疵检测系统100可经由输入接口接收由摄影机220取得的影像来进行瑕疵检测。
在取像过程中，染料敏化太阳能电池的导电基板210可被放置于封闭箱体200中的一平面上，其中所述平面可例如铺设有黑绒布或具有特定颜色的平面物件。封闭箱体200为一暗箱，并且设置有光源230、240(本发明并不限制光源数量及设置位置)。在取像过程中，光源230、240可朝导电基板210进行照明。对此，由于二氧化钛材料为接近透明的颜色且背景例如是黑绒布，因此经由光源230、240打光所造成的色偏影响会使得二氧化钛材料的部分呈现为深绿色。如此一来，摄影机220可拍摄经由照明光照射放置在封闭箱体200中的导电基板210来取得如图3所示的基板影像300。基板影像300可包括基板部分301与背景部分302。基板影像300的基板部分301可包括材料图案311～314以及基准图标P1～P4。值得注意的是，基板影像300中对应于二氧化钛材料的材料图案311～314的区域可例如为深绿色，并且材料图案311～314以外的区域为不同颜色。基板影像300的基板部分301边缘还可显示出导电基板210的边框。
图4是本发明的一实施例的瑕疵检测方法的流程图。参考图1、图3至图9，瑕疵检测系统100可执行以下步骤S410～S440的瑕疵检测操作。在步骤S410，瑕疵检测系统100的处理器110可取得具有透明基板薄膜的基板的基板影像。对此，以下说明将以瑕疵检测系统100的取得如图3所示的染料敏化太阳能电池的导电基板的基板影像300为范例实施例来说明之。在步骤S420，处理器110可对基板影像进行影像前处理，决定感兴趣区域(Region ofInterest,ROI)。在本实施例中，处理器110可执行边缘检测模块121来对基板影像300进行边缘检测，以检测基板影像300中的基板边缘(例如玻璃基板边缘)，并且根据基板边缘来区分基板影像300中的背景区域(即基板影像300的背景部分302)以及感兴趣区域(即基板影像300的基板部分301)。处理器110可有效定义基板影像300的基板部分301以及背景部分302的区域及位置。
在步骤S430，处理器110可对基板影像300中的感兴趣区域进行影像分割处理，以区别在感兴趣区域中的周边区域303以及材料区域304，并且产生如图5所示的遮罩影像500。图5是本发明的一实施例的遮罩影像的示意图。在本实施例中，处理器110可执行分割网络模块122来对基板影像300进行影像处理，并且产生对应于基板影像300的基板部分301的遮罩影像500。分割网络模块122可包括一种深度学习分割网络架构的演算法，例如U-Net模型。分割网络模块122可将基板影像300的感兴趣区域(即基板影像300的基板部分301)中的材料区域304找出来，并依据材料区域304来输出对应的遮罩影像500。在本实施例中，遮罩影像500为二值化影像。遮罩影像500的影像区域520为对应于基板影像300的周边区域303，并且具有第一数值(例如设定为二进制的数值“0”)。遮罩影像500的影像区域510为对应于基板影像300的材料区域304，并且具有第二数值(例如设定为二进制的数值“1”)。
在步骤S440，处理器110可比对遮罩影像500与基板影像300，以分析在基板影像300的材料区域304中的材料图案是否具有图案瑕疵，并且进而判断基板是否具有瑕疵。在本实施例中，处理器110可比对遮罩影像500与基板影像300的感兴趣区域，以从基板影像300的材料区域304撷取如图6所示的材料图案611～614。图6是本发明的一实施例的材料图案的示意图。处理器110可将材料图案611～614输入至稠密卷积网络模块123及/或线段检测模块124，以判断基板影像300是否具有杂质图案瑕疵。具体而言，稠密卷积网络模块123可输出材料图案是否具有非均匀图案及/或杂质图案的图案瑕疵的判断结果。线段检测模块124可输出材料图案是否具有错位瑕疵的判断结果。稠密卷积网络模块123可包括卷积神经网络(Convolutional Neural Networks，CNN)架构的演算法，例如稠密连线网络(DenseNet)模型。线段检测模块124可包括直线段检测器(Line Segment Detector，LSD)的演算法。本发明的瑕疵检测系统100可判断基板影像300是否具有以下实施范例的至少其中一种图案瑕疵。
对于具有非均匀图案及/或杂质图案的图案瑕疵，如图6的材料图案611、613为均匀涂布的图案。材料图案612具有非均匀区域601的图案瑕疵，其中非均匀区域601可例如是因为二氧化钛材料及/或染料未均匀涂布所导致。材料图案614具有杂质图案602～605的图案瑕疵，其中杂质图案602～605可例如是因为灰层或杂质所导致。因此，稠密卷积网络模块123可预先经训练后而可辨别或分类均匀图案、非均匀图案以及杂质图案。经由稠密卷积网络模块123的运算及分类，稠密卷积网络模块123可输出材料图案612、614为具有图案瑕疵的运算结果，并且可输出材料图案611、613为不具有图案瑕疵的运算结果。在本实施例中，处理器110可基于上述的图案瑕疵的运算结果来产生或提供对应的导电基板的瑕疵检测信息。
对于具有错位瑕疵的图案瑕疵，搭配参考图7，图7是本发明的另一实施例的基板影像的示意图。处理器110可对基板影像300的感兴趣区域301中的材料图案311～314(即图6的材料图案611～614已被辨识出，以对比至基板影像300)执行第一方向T1的线段检测，以取得材料图案311～314的边缘线段3111、3112、3121、3122、3131、3132、3141、3142。然而，本发明并不限于第一方向T1的线段检测，处理器110还可对基板影像300的感兴趣区域301中的材料图案311～314执行第二方向T2，或任意方向上的线段检测。接着，搭配参考图8，图8是本发明的一实施例的样板影像的示意图。样板影像800可为生产者涂布二氧化钛材料及/或染料的预设参考图案。在本实施例中，处理器110可比较对应于基板影像300的样板影像800中的参考边缘线段8111、8112、8121、8122、8131、8132、8141、8142与边缘线段3111、3112、3121、3122、3131、3132、3141、3142，以判断材料图案311～314是否具有错位瑕疵的图案瑕疵。
举例而言，样板影像800同样包括材料图案811～814以及参考基准图标PA～PD，并且材料图案811～814具有参考边缘线段8111、8112、8121、8122、8131、8132、8141、8142。处理器110可根据样板影像800中的参考基准图标PA来计算参考边缘线段8111、8112、8121、8122、8131、8132、8141、8142相对于参考基准图标PA的参考距离K1～K8。处理器110可根据基板影像300中的基准图标P1(对应于参考基准图标PA)来计算边缘线段3111、3112、3121、3122、3131、3132、3141、3142相对于基准图标P1的距离D1～D8。接着，处理器110可逐一判断距离D1～D8与参考距离K1～K8的距离差是否大于门槛值。当某一距离与对应的某一参考距离的距离差大于门槛值则判断对应的材料图案具有错位瑕疵。另外，本实施例的距离以及门槛值可以是以像素为单位、以米为单位或其他长度单位，而本发明并不加以限制。
然而，本发明的处理器110计算距离及参考距离的方式不限上述。处理器110也可根据基板影像300中的基准图标P1～P4的至少其中之一来计算材料图案311～314的第一方向T1及/或第二方向T2的边缘线段与对应的基准图标之间的距离，并且根据样板影像800中的参考基准图标PA～PD的至少其中之一来计算材料图案811～814的第一方向T1及/或第二方向T2的边缘线段与对应的参考基准图标之间的参考距离。
以材料图案311具有错位瑕疵为例，搭配参考图9，图9是本发明的另一实施例的材料图案的示意图。如图9所示，材料图案311具有第二方向T2的偏移，因此材料图案311的沿着第一方向T1的两侧的边缘线段与参考边缘线段未重叠。对此，处理器110所计算的距离D1与参考距离K1之间具有距离差，并且处理器110所计算的距离D2与参考距离K2之间具有距离差。因此，处理器110可判断距离D1与参考距离K1之间的距离差是否大于门槛值，并且判断距离D2与参考距离K2之间的距离差是否大于门槛值。若距离差未大于门槛值，则表示此偏移在可接受范围。反之，若距离差大于门槛值，则处理器110将发出警示表示材料图案311具有错位瑕疵。
值得注意的是，本发明的错位瑕疵不限于图9所示，并且处理器110为独立比对材料图案311的每一个侧边。并且，处理器110可比对材料图案311的每一个侧边，而不限于第一方向T1上的边缘线段的比对。如图9所示，材料图案311还具有第一方向T1的偏移，因此处理器110也可比对材料图案311的沿着第二方向T2的侧边的边缘线段与参考边缘线段，以判断材料图案311是否具有错位瑕疵。
综上所述，本发明的透明基板薄膜的瑕疵检测方法及其系统，可对表面具有薄膜材料图案的透明基板的基板影像进行快速、准确且自动化的瑕疵检测，以有效判断在基板影像中的薄膜材料图案是否被正确地涂布。本发明的透明基板薄膜的瑕疵检测方法及其系统可分析基板影像中的薄膜材料图案是否具有非均匀图案及/或杂质图案的图案瑕疵及具有错位瑕疵的图案瑕疵的至少其中之一，进而可判断对应于此基板影像的透明基板是否具有瑕疵。
以上所述仅为本发明较佳实施例，然其并非用以限定本发明的范围，任何熟悉本项技术的人员，在不脱离本发明的精神和范围内，可在此基础上做进一步的改进和变化，因此本发明的保护范围当以本申请的权利要求书所界定的范围为准。
Claims (20)
1.一种透明基板薄膜的瑕疵检测方法，其特征在于，包括：
通过处理器取得具有该透明基板薄膜的基板的基板影像；
通过该处理器对该基板影像进行影像前处理，以决定感兴趣区域；
通过该处理器对该基板影像中的该感兴趣区域进行影像分割处理，以区别在该感兴趣区域中的周边区域以及材料区域，并且产生遮罩影像；以及
通过该处理器比对该遮罩影像与该基板影像，以分析在该基板影像的该材料区域中的材料图案是否具有图案瑕疵，并且进而判断该基板是否具有瑕疵。
2.如权利要求1所述的瑕疵检测方法，其中决定该感兴趣区域的步骤包括：
通过该处理器对该基板影像进行边缘检测，以检测该基板影像中的基板边缘，并且根据该基板边缘区分该基板影像中的背景区域以及该感兴趣区域。
3.如权利要求1所述的瑕疵检测方法，其中对该基板影像中的该感兴趣区域进行该影像分割处理的步骤包括：
通过该处理器将标记有该感兴趣区域的该基板影像输入至分割网络模块，以使该分割网络模块输出该遮罩影像。
4.如权利要求3所述的瑕疵检测方法，其中该遮罩影像为二值化影像，
其中该遮罩影像中对应于该感兴趣区域中的该周边区域具有第一数值，并且该遮罩影像中对应于该感兴趣区域中的该材料区域具有第二数值。
5.如权利要求1所述的瑕疵检测方法，其中通过该处理器比对该遮罩影像与该基板影像，以分析在该基板影像的该材料区域中的该材料图案是否具有该图案瑕疵的步骤包括：
通过该处理器比对该遮罩影像与该基板影像，以从该基板影像的该材料区域撷取该材料图案；以及
通过该处理器将该材料图案输入至稠密卷积网络模块，以使该稠密卷积网络模块输出该材料图案是否具有该图案瑕疵的判断结果。
6.如权利要求5所述的瑕疵检测方法，其中该图案瑕疵包括在该材料图案中具有非均匀区域或杂质图案。
7.如权利要求1所述的瑕疵检测方法，其中通过该处理器比对该遮罩影像与该基板影像，以分析在该基板影像的该材料区域中的该材料图案是否具有该图案瑕疵的步骤包括：
通过该处理器比对该遮罩影像与该基板影像，以从该基板影像的该材料区域撷取该材料图案；
通过该处理器对该材料图案执行线段检测，以取得该材料图案的边缘线段；以及
通过该处理器比较对应于该基板影像的样板影像中的参考边缘线段与该边缘线段，以判断该材料图案是否具有错位瑕疵的该图案瑕疵。
8.如权利要求7所述的瑕疵检测方法，其中比较该参考边缘线段与该边缘线段，以判断该材料图案是否具有该错位瑕疵的该图案瑕疵的步骤包括：
通过该处理器根据该样板影像中的参考基准图标来计算该参考边缘线段相对于该参考基准图标的参考距离；
通过该处理器根据该基板影像中的基准图标来计算该边缘线段相对于该基准图标的距离；以及
通过该处理器判断该距离与该参考距离的距离差是否大于门槛值，以判断该材料图案是否具有该错位瑕疵。
9.如权利要求1所述的瑕疵检测方法，其中该材料图案对应于形成在该基板上的至少一层二氧化钛材料及至少一层染料的至少其中之一。
10.如权利要求1所述的瑕疵检测方法，其中该基板影像通过摄影机拍摄经由照明光照射放置在封闭箱体中的该基板来取得。
11.一种透明基板薄膜的瑕疵检测系统，其特征在于，包括：
储存装置，用以储存多个模块；以及
处理器，耦接该储存装置，并且通过执行该多个模块，以进行以下操作：
取得具有该透明基板薄膜的基板的基板影像；
对该基板影像进行影像前处理，以决定感兴趣区域；
对该基板影像中的该感兴趣区域进行影像分割处理，以区别在该感兴趣区域中的周边区域以及材料区域，并且产生遮罩影像；以及
比对该遮罩影像与该基板影像，以分析在该基板影像的该材料区域中的材料图案是否具有图案瑕疵，并且进而判断该基板是否具有瑕疵。
12.如权利要求11所述的瑕疵检测系统，其中该处理器决定该感兴趣区域的操作包括：
对该基板影像进行边缘检测，以检测该基板影像中的基板边缘，并且根据该基板边缘区分该基板影像中的背景区域以及该感兴趣区域。
13.如权利要求11所述的瑕疵检测系统，其中该处理器对该基板影像中的该感兴趣区域进行该影像分割处理的操作包括：
将标记有该感兴趣区域的该基板影像输入至分割网络模块，以使该分割网络模块输出该遮罩影像。
14.如权利要求11所述的瑕疵检测系统，其中该遮罩影像为二值化影像，
其中该遮罩影像中对应于该感兴趣区域中的该周边区域具有第一数值，并且该遮罩影像中对应于该感兴趣区域中的该材料区域具有第二数值。
15.如权利要求11所述的瑕疵检测系统，其中该处理器比对该遮罩影像与该基板影像，以分析在该基板影像的该材料区域中的该材料图案是否具有该图案瑕疵的操作包括：
比对该遮罩影像与该基板影像，以从该基板影像的该材料区域撷取该材料图案；以及
将该材料图案输入至稠密卷积网络模块，以使该稠密卷积网络模块输出该材料图案是否具有该图案瑕疵的判断结果。
16.如权利要求15所述的瑕疵检测系统，其中该图案瑕疵包括在该材料图案中具有非均匀区域或杂质图案。
17.如权利要求11所述的瑕疵检测系统，其中该处理器比对该遮罩影像与该基板影像，以分析在该基板影像的该材料区域中的该材料图案是否具有该图案瑕疵的操作包括：
比对该遮罩影像与该基板影像，以从该基板影像的该材料区域撷取该材料图案；
对该材料图案执行线段检测，以取得该材料图案的边缘线段；以及
比较对应于该基板影像的样板影像中的参考边缘线段与该边缘线段，以判断该材料图案是否具有错位瑕疵的该图案瑕疵。
18.如权利要求17所述的瑕疵检测系统，其中该处理器比较该参考边缘线段与该边缘线段，以判断该材料图案是否具有该错位瑕疵的该图案瑕疵的操作包括：
根据该样板影像中的参考基准图标来计算该参考边缘线段相对于该参考基准图标的参考距离；
根据该基板影像中的基准图标来计算该边缘线段相对于该基准图标的距离；以及
判断该距离与该参考距离的距离差是否大于门槛值，以判断该材料图案是否具有该错位瑕疵。
19.如权利要求11所述的瑕疵检测系统，其中该材料图案对应于形成在该基板上的至少一层二氧化钛材料及至少一层染料的至少其中之一。
20.如权利要求11所述的瑕疵检测系统，其中该基板影像通过摄影机拍摄经由照明光照射放置在封闭箱体中的该基板来取得。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110114897A TWI802873B (zh) | 2021-04-26 | 2021-04-26 | 透明基板薄膜的瑕疵檢測方法及其系統 |
| TW110114897 | 2021-04-26 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113406112A true CN113406112A (zh) | 2021-09-17 |
Family
ID=77684806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110672688.8A Pending CN113406112A (zh) | 2021-04-26 | 2021-06-17 | 透明基板薄膜的瑕疵检测方法及其系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113406112A (zh) |
| TW (1) | TWI802873B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114393895A (zh) * | 2022-01-21 | 2022-04-26 | 山东晶创新材料科技有限公司 | 一种基于聚丙烯长丝非织造布的复合防水卷材tpo制备方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200844429A (en) * | 2007-05-15 | 2008-11-16 | Chi-Hao Yeh | An automatic optical inspection approach for detecting and classifying the surface defects on coating brightness enhancement film |
| TW201319553A (zh) * | 2011-11-01 | 2013-05-16 | Taiwan Semiconductor Mfg | 增強型瑕疵檢測方法、檢測標準遮罩之方法及瑕疵檢測系統 |
| WO2014034349A1 (ja) * | 2012-08-31 | 2014-03-06 | シャープ株式会社 | 欠陥分類装置、欠陥分類方法、制御プログラム、および記録媒体 |
| CN110658198A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 光学检测方法、光学检测装置及光学检测系统 |
| CN111382615A (zh) * | 2018-12-28 | 2020-07-07 | 致茂电子(苏州)有限公司 | 影像检测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100197051A1 (en) * | 2009-02-04 | 2010-08-05 | Applied Materials, Inc. | Metrology and inspection suite for a solar production line |
| CN102472791B (zh) * | 2009-08-04 | 2014-09-10 | 国立大学法人奈良先端科学技术大学院大学 | 太阳能电池的评价方法、评价装置、维护保养方法、维护保养系统及太阳能电池模块的制造方法 |
| 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 |
-
2021
- 2021-04-26 TW TW110114897A patent/TWI802873B/zh active
- 2021-06-17 CN CN202110672688.8A patent/CN113406112A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200844429A (en) * | 2007-05-15 | 2008-11-16 | Chi-Hao Yeh | An automatic optical inspection approach for detecting and classifying the surface defects on coating brightness enhancement film |
| TW201319553A (zh) * | 2011-11-01 | 2013-05-16 | Taiwan Semiconductor Mfg | 增強型瑕疵檢測方法、檢測標準遮罩之方法及瑕疵檢測系統 |
| WO2014034349A1 (ja) * | 2012-08-31 | 2014-03-06 | シャープ株式会社 | 欠陥分類装置、欠陥分類方法、制御プログラム、および記録媒体 |
| CN110658198A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 光学检测方法、光学检测装置及光学检测系统 |
| CN111382615A (zh) * | 2018-12-28 | 2020-07-07 | 致茂电子(苏州)有限公司 | 影像检测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114393895A (zh) * | 2022-01-21 | 2022-04-26 | 山东晶创新材料科技有限公司 | 一种基于聚丙烯长丝非织造布的复合防水卷材tpo制备方法 |
| CN114393895B (zh) * | 2022-01-21 | 2024-05-17 | 山东晶创新材料科技有限公司 | 一种基于聚丙烯长丝非织造布的复合防水卷材tpo制备方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TWI802873B (zh) | 2023-05-21 |
| TW202242398A (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11568324B2 (en) | Adversarial training method for noisy labels | |
| CN101981683B (zh) | 缺陷分类方法以及缺陷分类装置 | |
| US20190213725A1 (en) | Board defect filtering method and device thereof and computer-readable recording medium | |
| TW201935025A (zh) | 顯示器上的缺陷偵測系統及方法 | |
| JP6100246B2 (ja) | 全原画像を使用した欠陥検出システムおよび方法 | |
| WO2021168733A1 (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
| WO2017181724A1 (zh) | 电子元件漏件检测方法和系统 | |
| JP2010520622A (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 | |
| CN112394071B (zh) | 基板缺陷检查装置及方法 | |
| CN112033965A (zh) | 基于差分图像分析的3d弧形表面缺陷检测方法 | |
| Sanz et al. | Machine-vision techniques for inspection of printed wiring boards and thick-film circuits | |
| CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
| CN113406112A (zh) | 透明基板薄膜的瑕疵检测方法及其系统 | |
| CN112014407A (zh) | 一种集成电路晶圆表面缺陷检测的方法 | |
| Chiou et al. | Flaw detection of cylindrical surfaces in PU-packing by using machine vision technique | |
| Aggarwal et al. | A survey on automatic printed circuit board defect detection techniques | |
| TWI822968B (zh) | 濾色器檢查裝置、檢查裝置、濾色器檢查方法及檢查方法 | |
| JP2001281161A (ja) | 欠陥検査装置及び検査方法 | |
| CN110874837B (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
| CN115047006A (zh) | 一种二极管表面质量检测方法 | |
| Lin et al. | Automatic inspection and strategy for surface defects in the PI coating process of TFT‐LCD panels | |
| Wang et al. | A system deployment model of multi-CCD automatic optical inspection for economical operations | |
| Lin et al. | X-ray imaging inspection system for blind holes in the intermediate layer of printed circuit boards with neural network identification | |
| JP2017133868A (ja) | パターン検査装置およびパターン検査方法 | |
| Anu et al. | Automatic visual inspection of PCB using CAD information |
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 |