CN113902742A - 一种基于tft-lcd检测缺陷真假判定方法和系统 - Google Patents
一种基于tft-lcd检测缺陷真假判定方法和系统 Download PDFInfo
- Publication number
- CN113902742A CN113902742A CN202111492738.0A CN202111492738A CN113902742A CN 113902742 A CN113902742 A CN 113902742A CN 202111492738 A CN202111492738 A CN 202111492738A CN 113902742 A CN113902742 A CN 113902742A
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- images
- true
- tft
- 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 233
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 230000002146 bilateral effect Effects 0.000 claims abstract description 19
- 230000015654 memory Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 18
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Liquid Crystal (AREA)
Abstract
本发明公开了一种基于TFT‑LCD检测缺陷真假判定方法和系统,所述方法包括以下步骤:获取缺陷位置信息;根据缺陷位置信息获取缺陷图像和两张参考图像;用缺陷图像和两张参考图像进行局部图像对准,得到两张对准图像;对两张对准图像和缺陷图像均进行图像增强和高斯双边滤波;计算滤波后的缺陷图像和滤波后每张对准图像之间差的绝对值,与设定阈值比较得到两张缺陷结果图,从而判定缺陷的真假。通过获取缺陷图像和相邻位置的参考图像,减小图像之间的差异,实现实时判定缺陷真假,提高缺陷判定的速度和准确率。本发明在视觉检测系统具有判定速度快和效果好,设置简单的特点。
Description
技术领域
本发明属于计算机视觉检测技术领域,具体涉及一种基于TFT-LCD检测缺陷真假判定方法和系统。
背景技术
随着科学技术的不断发展和进步,计算机视觉检测技术具有快速高效和集成性等优点,被广泛应用在自动化领域。目前光学自动检测技术在TFT-LCD检测行业广泛使用,随着制程工艺不断发展和改进,对自动检测算法要求越来越高,不仅要求真缺陷检出率高,而且要尽可能降低假缺陷的检出率,这对自动检测设备是一种挑战。因此,需要一种更准确和更稳定的真假缺陷判定方法,既提升真缺陷的检出率,又降低假缺陷的检出率。
现有与本发明类似的解决方案是通过建立大量的缺陷图像库,将疑似缺陷和缺陷图像库进行匹配,根据其匹配度判定缺陷的类别。例如,中国发明专利申请号CN201910445000.5公开了一种缺陷判定方法及缺陷判定装置:预先建立大量的缺陷图像库,将检测出来的缺陷与缺陷图像库进行匹配,根据匹配度的高低将缺陷进行归类,然后将相应的缺陷进行后续处理。
上述缺陷判定方法的缺点在于:第一,必须要收集大量的缺陷图像库,实际缺陷图像库不足时,该判定方法容易产生误判。第二,收集缺陷图像库不可能将所有的缺陷图像都收集,存在先天不足的问题。第三,当缺陷图像库越来越大时,匹配时间会越来越长,缺乏足够的实时性。
发明内容
基于目前缺陷判定方法的缺点,本发明提出了一种基于TFT-LCD检测缺陷真假判定的方法。本发明首先获取缺陷位置信息,根据缺陷位置获取缺陷图像和参考图像,用缺陷图像和参考图像进行局部图像对准,然后把对准图像和缺陷图像做图像增强和高斯双边滤波,最后根据滤波后的图像之差的绝对值和阈值判定缺陷的真假。
具体的,本发明提供了一种基于TFT-LCD检测缺陷真假判定的方法,包括以下步骤:
获取缺陷位置信息;
根据缺陷位置获取缺陷图像和参考图像;
用缺陷图像和参考图像进行局部图像对准;
对两张对准图像和缺陷图像均进行图像增强和高斯双边滤波;
用滤波后的图像之差的绝对值与设定阈值比较判定缺陷的真假。
优选的,所述获取缺陷位置信息过程如下:
通过检测算法检出缺陷并记录缺陷的位置信息。
优选的,所述根据缺陷位置获取缺陷图像和参考图像,包括步骤如下:
以缺陷的中心位置为中心,TFT-LCD面板最小重复单元宽度和高度为基础图像尺寸,宽度和高度均再扩展32个像素作为缺陷图像尺寸。
以缺陷的中心位置为起点,以距离TFT-LCD面板最小重复单元的正高度位置为终点,并把该终点作为参考图像的中心,在缺陷图像尺寸的基础上,宽度和高度均再扩展6个像素作为第一张参考图像。
以缺陷的中心位置为起点,以距离TFT-LCD面板最小重复单元的负高度位置为终点,并把该终点作为参考图像的中心,在缺陷图像尺寸的基础上,宽度和高度均再扩展6个像素作为第二张参考图像。
优选的,所述用缺陷图像和参考图像进行局部图像对准,包括以下步骤:
把缺陷图像和参考图像用灰度互相关方法进行图像对准。
优选的,所述对两张对准图像和缺陷图像均进行图像增强和高斯双边滤波,包括步骤如下:
根据对准的位置分别获取两张亚像素对准图像,图像的宽度和高度均跟缺陷图像一致。
把缺陷图像和两张亚像素对准图像先采用gamma算法增强,提高缺陷图像的灰度信号,然后用高斯双边滤波进行去噪处理。
优选的,所述用滤波后的图像之差的绝对值与设定阈值比较判定缺陷的真假,包括步骤如下:
分别计算滤波后缺陷图像和滤波后两张对准图像之间差的绝对值,计算所得差的绝对值减去设定的阈值,获得缺陷结果图。如果两张缺陷结果图中均有像素灰度值非零,则判定该缺陷为真缺陷,否则判定该缺陷为假缺陷。
根据本发明的另一个方面,本发明还提供了一种基于TFT-LCD检测缺陷真假判定系统,包括:
缺陷定位模块,用于获取缺陷位置信息;
参考图像模块,用于根据缺陷位置信息获取缺陷图像和两张参考图像;
对准图像模块,用于用缺陷图像和两张参考图像进行局部图像对准,得到两张对准图像;
增强滤波模块,用于对两张对准图像和缺陷图像均进行图像增强和高斯双边滤波;
真假判定模块,用于计算滤波后的缺陷图像和滤波后每张对准图像之间差的绝对值,与设定阈值比较得到两张缺陷结果图,从而判定缺陷的真假。
根据本发明的另一个方面,本发明还提供了一种包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序,所述处理器执行所述程序,以实现如上所述的TFT-LCD检测缺陷判定方法。
根据本发明的另一个方面,本发明还提供了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以实现如上所述的TFT-LCD检测缺陷判定方法。
与现有技术相比,本发明的有益效果:通过获取缺陷图像和相邻位置的参考图像,减小图像之间的差异,实现实时判定缺陷真假,提高缺陷判定的速度和准确率。该发明在视觉检测系统具有很好的应用,进一步的扩展,还可以在视觉检测的缺陷识别等方面应用。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明的TFT-LCD缺陷真假判定方法实施流程图。
图2为本发明的TFT-LCD缺陷真假判定方法实例。
图3为本发明的TFT-LCD缺陷真假判定方法缺陷图像原始图。
图4为本发明的TFT-LCD缺陷真假判定方法第一张参考图像原始图。
图5为本发明的TFT-LCD缺陷真假判定方法第二张参考图像原始图。
图6为本发明的TFT-LCD缺陷真假判定方法第一张对准图像效果图。
图7为本发明的TFT-LCD缺陷真假判定方法第二张对准图像效果图。
图8为本发明的TFT-LCD缺陷真假判定方法缺陷图像增强效果图。
图9为本发明的TFT-LCD缺陷真假判定方法缺陷图像高斯双边滤波效果图。
图10为本发明的TFT-LCD缺陷真假判定方法第一张对准图像增强效果图。
图11为本发明的TFT-LCD缺陷真假判定方法第一张图像高斯双边滤波效果图。
图12为本发明的TFT-LCD缺陷真假判定方法第二张对准图像增强效果图。
图13为本发明的TFT-LCD缺陷真假判定方法第二张图像高斯双边滤波效果图。
图14为本发明的TFT-LCD缺陷真假判定方法第一张图像差绝对值结果图。
图15为本发明的TFT-LCD缺陷真假判定方法第二张图像差绝对值结果图。
图16为本发明的TFT-LCD缺陷真假判定系统结构图。
图17示出了本发明一实施例所提供的一种电子设备的结构示意图。
图18示出了本发明一实施例所提供的一种存储介质的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了解决以上问题,本发明采用新的解决方案。第一,首先根据检测出来的缺陷位置信息,实时采用同一张面板上的相邻图像作为参考图像,处理速度快。第二,利用图像灰度互相关匹配算法,使得缺陷图像和参考图像对准后保持一致。第三,采用预处理方法,先采用gamma算法对图像增强,突出缺陷真实信号,然后用高斯双边滤波去除噪声,利用滤波后的缺陷图像和滤波后两张对准图像之间差的绝对值跟设定的阈值比较,如果两次比较都大于阈值,则为真缺陷,否则,为假缺陷,提高缺陷真假判定准确率。
实施例1
如图1所示,本发明的目标是实现TFT-LCD缺陷真假判定,计算过程如下:
1. 获取检出缺陷的位置信息,如图2:
对缺陷进行检测时,把缺陷的位置信息记录下来,获取缺陷的位置。
具体的,通过检测算法检出缺陷并记录缺陷的位置信息。检测算法可以按照现有技术中各种缺陷检测算法检测缺陷图像及其坐标信息。本发明不限定检测缺陷的算法,只要能够检测出缺陷即可。
2.获取缺陷图像,如图3:
以缺陷的中心位置为中心,TFT-LCD面板最小重复单元宽度和高度为基础图像尺寸,宽度和高度均再扩展32个像素作为缺陷图像尺寸。
3.获取参考图像,如图4和图5:
A)以缺陷的中心位置为起点,以距离TFT-LCD面板最小重复单元的正高度位置为终点,并把该终点作为参考图像的中心,在缺陷图像尺寸的基础上,宽度和高度均再扩展6个像素作为第一张参考图像。
B)以缺陷的中心位置为起点,以距离TFT-LCD面板最小重复单元的负高度位置为终点,并把该终点作为参考图像的中心,在缺陷图像尺寸的基础上,宽度和高度均再扩展6个像素作为第二张参考图像。
4.用缺陷图像和参考图像进行局部图像对准,获取对准图像。如图6和图7:
把缺陷图像和两张参考图像用灰度互相关方法进行图像对准,根据对准的位置信息,从参考图像上拷贝跟缺陷图像同样大小的图像,该图像为对准图像。
5.对缺陷图像进行图像增强和高斯双边滤波,如图8和图9:
把缺陷图像先采用gamma算法增强,提高缺陷图像的灰度信号,然后用高斯双边滤波进行去噪处理。
6.对对准图像进行图像增强和高斯双边滤波,如图10,图11,图12和图13:
对两张对准图像先采用gamma算法增强,然后使用高斯双边滤波进行去噪处理。
7.缺陷图像和对准图像滤波后之差绝对值和设定阈值比较,如图14和图15:
分别计算滤波后缺陷图像和滤波后两张对准图像之间差的绝对值,计算所得差的绝对值减去设定的阈值,获得缺陷结果图。如果两张缺陷结果图中均有像素灰度值非零,则判定该缺陷为真缺陷,否则判定该缺陷为假缺陷。
本实施例的有益效果:通过获取缺陷图像和相邻位置的参考图像,减小图像之间的差异,实现实时判定缺陷真假,提高缺陷判定的速度和准确率。该发明在视觉检测系统具有很好的应用,进一步的扩展,还可以在视觉检测的缺陷识别等方面应用。
实施例2
本实施例提供一种基于TFT-LCD缺陷真假判定系统,如图16所示,包括:
缺陷定位模块100,用于获取缺陷位置信息;
参考图像模块200,用于根据缺陷位置信息获取缺陷图像和两张参考图像;
对准图像模块300,用于用缺陷图像和两张参考图像进行局部图像对准,得到两张对准图像;
增强滤波模块400,用于对两张对准图像和缺陷图像均进行图像增强和高斯双边滤波;
真假判定模块500,用于计算滤波后的缺陷图像和滤波后每张对准图像之间差的绝对值,与设定阈值比较得到两张缺陷结果图,从而判定缺陷的真假。
本实施例的有益效果:通过获取缺陷图像和相邻位置的参考图像,减小图像之间的差异,实现实时判定缺陷真假,提高缺陷判定的速度和准确率。该发明在视觉检测系统具有很好的应用,进一步的扩展,还可以在视觉检测的缺陷识别等方面应用。
本发明实施方式还提供一种与前述实施方式所提供的基于TFT-LCD检测缺陷真假判定方法对应的电子设备,以执行上基于TFT-LCD检测缺陷真假判定方法。本发明实施例不做限定。
请参考图17,其示出了本发明的一些实施方式所提供的一种电子设备的示意图。如图17所示,所述电子设备2包括:处理器200,存储器201,总线202和通信接口203,所述处理器200、通信接口203和存储器201通过总线202连接;所述存储器201中存储有可在所述处理器200上运行的计算机程序,所述处理器200运行所述计算机程序时执行本发明前述任一实施方式所提供的基于TFT-LCD检测缺陷真假判定方法。
其中,存储器201可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器201用于存储程序,所述处理器200在接收到执行指令后,执行所述程序,前述本发明实施例任一实施方式揭示的所述基于TFT-LCD检测缺陷真假判定方法可以应用于处理器200中,或者由处理器200实现。
处理器200可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201,处理器200读取存储器201中的信息,结合其硬件完成上述方法的步骤。
本发明实施例提供的电子设备与本发明实施例提供的基于TFT-LCD检测缺陷真假判定方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本发明实施方式还提供一种与前述实施方式所提供的基于TFT-LCD检测缺陷真假判定方法对应的计算机可读存储介质,请参考图18,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的基于TFT-LCD检测缺陷真假判定方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本发明的上述实施例提供的计算机可读存储介质与本发明实施例提供的基于TFT-LCD检测缺陷真假判定方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备有固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器( DSP )来实现根据本发明实施例的虚拟机的创建系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中,这些系统中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于TFT-LCD检测缺陷真假判定方法,其特征在于,包括以下步骤:
获取缺陷位置信息;
根据缺陷位置信息获取缺陷图像和两张参考图像;
用缺陷图像和两张参考图像进行局部图像对准,得到两张对准图像;
对两张对准图像和缺陷图像均进行图像增强和高斯双边滤波;
计算滤波后的缺陷图像和滤波后每张对准图像之间差的绝对值,与设定阈值比较得到两张缺陷结果图,从而判定缺陷的真假。
2.根据权利要求1所述的一种基于TFT-LCD检测缺陷真假判定方法,其特征在于:
所述获取缺陷位置信息的过程如下:
通过检测算法检出缺陷并记录缺陷的位置信息。
3.根据权利要求1或2所述的一种基于TFT-LCD检测缺陷真假判定方法,其特征在于:
所述根据缺陷位置信息获取缺陷图像和两张参考图像的过程如下:
以缺陷的中心位置为中心,TFT-LCD面板最小重复单元宽度和高度为基础图像尺寸,宽度和高度均再扩展32个像素作为缺陷图像尺寸;
以缺陷的中心位置为起点,以距离TFT-LCD面板最小重复单元的正高度位置为终点,并把该终点作为参考图像的中心,在缺陷图像尺寸的基础上,宽度和高度均再扩展6个像素作为第一张参考图像;
以缺陷的中心位置为起点,以距离TFT-LCD面板最小重复单元的负高度位置为终点,并把该终点作为参考图像的中心,在缺陷图像尺寸的基础上,宽度和高度均再扩展6个像素作为第二张参考图像。
4.根据权利要求3所述的一种基于TFT-LCD检测缺陷真假判定方法,其特征在于:
所述用缺陷图像和两张参考图像进行局部图像对准,得到两张对准图像的过程如下:
将缺陷图像和两张参考图像分别采用局部灰度互相关方法对准,得到两张对准图像。
5.根据权利要求1或4所述的一种基于TFT-LCD检测缺陷真假判定方法,其特征在于:
所述对两张对准图像和缺陷图像均进行图像增强和高斯双边滤波的过程如下:
根据对准的位置分别获取两张亚像素对准图像,图像的宽度和高度均跟缺陷图像一致;
把缺陷图像和两张亚像素对准图像先采用gamma算法增强,然后用高斯双边滤波进行去噪处理。
6.根据权利要求5所述的一种基于TFT-LCD检测缺陷真假判定方法和系统,其特征在于:
所述计算滤波后的缺陷图像和滤波后每张对准图像之间差的绝对值,与设定阈值比较得到两张缺陷结果图,从而判定缺陷的真假的过程如下:
分别计算滤波后缺陷图像和滤波后两张对准图像之间差的绝对值,计算所得差的绝对值减去设定的阈值,获得两张缺陷结果图;如果两张缺陷结果图中均有像素灰度值非零,则判定该缺陷为真缺陷,否则判定该缺陷为假缺陷。
7.一种基于TFT-LCD检测缺陷真假判定系统,其特征在于,包括:
缺陷定位模块,用于获取缺陷位置信息;
参考图像模块,用于根据缺陷位置信息获取缺陷图像和两张参考图像;
对准图像模块,用于用缺陷图像和两张参考图像进行局部图像对准,得到两张对准图像;
增强滤波模块,用于对两张对准图像和缺陷图像均进行图像增强和高斯双边滤波;
真假判定模块,用于计算滤波后的缺陷图像和滤波后每张对准图像之间差的绝对值,与设定阈值比较得到两张缺陷结果图,从而判定缺陷的真假。
8.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求的1-7中任一所述的基于TFT-LCD检测缺陷真假判定方法。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以实现如权利要求1-7中任一所述的基于TFT-LCD检测缺陷真假判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111492738.0A CN113902742B (zh) | 2021-12-08 | 2021-12-08 | 一种基于tft-lcd检测缺陷真假判定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111492738.0A CN113902742B (zh) | 2021-12-08 | 2021-12-08 | 一种基于tft-lcd检测缺陷真假判定方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113902742A true CN113902742A (zh) | 2022-01-07 |
CN113902742B CN113902742B (zh) | 2022-05-20 |
Family
ID=79025779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111492738.0A Active CN113902742B (zh) | 2021-12-08 | 2021-12-08 | 一种基于tft-lcd检测缺陷真假判定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902742B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419045A (zh) * | 2022-03-30 | 2022-04-29 | 武汉中导光电设备有限公司 | 光刻掩模板缺陷检测方法、装置、设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120063667A1 (en) * | 2010-09-13 | 2012-03-15 | Takeshi Yamane | Mask defect inspection method and defect inspection apparatus |
JP2012112915A (ja) * | 2010-11-29 | 2012-06-14 | Hitachi High-Technologies Corp | 欠陥検査方法および欠陥検査装置 |
US20190080443A1 (en) * | 2017-09-11 | 2019-03-14 | International Business Machines Corporation | Quality evaluation |
CN111028213A (zh) * | 2019-12-04 | 2020-04-17 | 北大方正集团有限公司 | 图像缺陷检测方法、装置、电子设备及存储介质 |
CN111768381A (zh) * | 2020-06-29 | 2020-10-13 | 北京百度网讯科技有限公司 | 零部件缺陷检测方法、装置及电子设备 |
US20210012474A1 (en) * | 2019-07-10 | 2021-01-14 | International Business Machines Corporation | Object defect detection |
CN113469944A (zh) * | 2021-06-03 | 2021-10-01 | 厦门宏泰智能制造有限公司 | 一种产品质检方法、装置和电子设备 |
CN113592859A (zh) * | 2021-09-26 | 2021-11-02 | 中导光电设备股份有限公司 | 一种基于深度学习的用于显示面板缺陷的分类方法 |
-
2021
- 2021-12-08 CN CN202111492738.0A patent/CN113902742B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120063667A1 (en) * | 2010-09-13 | 2012-03-15 | Takeshi Yamane | Mask defect inspection method and defect inspection apparatus |
JP2012112915A (ja) * | 2010-11-29 | 2012-06-14 | Hitachi High-Technologies Corp | 欠陥検査方法および欠陥検査装置 |
US20190080443A1 (en) * | 2017-09-11 | 2019-03-14 | International Business Machines Corporation | Quality evaluation |
US20210012474A1 (en) * | 2019-07-10 | 2021-01-14 | International Business Machines Corporation | Object defect detection |
CN112288681A (zh) * | 2019-07-10 | 2021-01-29 | 国际商业机器公司 | 对象缺陷检测 |
CN111028213A (zh) * | 2019-12-04 | 2020-04-17 | 北大方正集团有限公司 | 图像缺陷检测方法、装置、电子设备及存储介质 |
CN111768381A (zh) * | 2020-06-29 | 2020-10-13 | 北京百度网讯科技有限公司 | 零部件缺陷检测方法、装置及电子设备 |
CN113469944A (zh) * | 2021-06-03 | 2021-10-01 | 厦门宏泰智能制造有限公司 | 一种产品质检方法、装置和电子设备 |
CN113592859A (zh) * | 2021-09-26 | 2021-11-02 | 中导光电设备股份有限公司 | 一种基于深度学习的用于显示面板缺陷的分类方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419045A (zh) * | 2022-03-30 | 2022-04-29 | 武汉中导光电设备有限公司 | 光刻掩模板缺陷检测方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113902742B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111078908B (zh) | 一种数据标注的检测方法和装置 | |
CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN111612781A (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN109509166B (zh) | 印刷电路板图像检测方法和装置 | |
CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
CN111915549A (zh) | 瑕疵检测方法、电子装置及计算机可读存储介质 | |
CN114519714B (zh) | 一种显示屏脏污缺陷判定的方法和系统 | |
CN109102026B (zh) | 一种车辆图像检测方法、装置及系统 | |
CN112634201B (zh) | 目标检测方法、装置和电子设备 | |
CN113822883B (zh) | 一种基于寻找晶圆直边的晶圆对位方法和系统 | |
CN113902742B (zh) | 一种基于tft-lcd检测缺陷真假判定方法和系统 | |
CN112052907A (zh) | 基于图像边缘信息的目标检测方法、装置及存储介质 | |
CN116503382B (zh) | 一种显示屏划痕缺陷检测的方法和系统 | |
CN116309583A (zh) | 一种显示屏凹痕缺陷检测的方法和系统 | |
CN117635590A (zh) | 一种笔记本电脑外壳的缺陷检测方法、缺陷检测装置和存储介质 | |
WO2024016686A1 (zh) | 角点检测的方法和装置 | |
CN113870754B (zh) | 一种面板检测电子信号缺陷判定的方法和系统 | |
CN111932515B (zh) | 产品残留类缺陷的短路检测方法及系统及缺陷分类系统 | |
CN113255405B (zh) | 车位线识别方法及其系统、车位线识别设备、存储介质 | |
CN111508017B (zh) | 一种弱对比度定位标记中心的方法和系统 | |
CN114445405B (zh) | 一种圆孔均匀性检测的方法和系统 | |
CN115019069A (zh) | 模板匹配方法、模板匹配装置以及存储介质 | |
CN113903014A (zh) | 车道线预测方法、装置及电子设备、计算机可读存储介质 | |
CN113808136B (zh) | 一种基于最近邻算法的液晶屏幕缺陷检测方法和系统 | |
CN117994248A (zh) | 一种显示屏圆形轮廓检测的方法和系统 |
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 |