CN115082424A - 一种液晶显示屏的3d检测方法 - Google Patents

一种液晶显示屏的3d检测方法 Download PDF

Info

Publication number
CN115082424A
CN115082424A CN202210847248.6A CN202210847248A CN115082424A CN 115082424 A CN115082424 A CN 115082424A CN 202210847248 A CN202210847248 A CN 202210847248A CN 115082424 A CN115082424 A CN 115082424A
Authority
CN
China
Prior art keywords
roi
liquid crystal
crystal display
graph
depth
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
CN202210847248.6A
Other languages
English (en)
Other versions
CN115082424B (zh
Inventor
徐飞
韩冲冲
郑林
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.)
Suzhou Dinnar Automation Technology Co Ltd
Original Assignee
Suzhou Dinnar Automation 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 Suzhou Dinnar Automation Technology Co Ltd filed Critical Suzhou Dinnar Automation Technology Co Ltd
Priority to CN202210847248.6A priority Critical patent/CN115082424B/zh
Publication of CN115082424A publication Critical patent/CN115082424A/zh
Application granted granted Critical
Publication of CN115082424B publication Critical patent/CN115082424B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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

Landscapes

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

Abstract

本发明公开了一种液晶显示屏的3D检测方法，包括以下步骤：计算分析角度偏差并校准；采用3D激光传感器进行扫描，获取深度图像并进行拼接，形成拼接后图形；在拼接后图形上进行第一次缺陷检测；将拼接后图形进行平面拟合，获取平面拟合图；获取差图；在差图上分别针对各个缺陷进行第二次检测，判断其为NG或OK。本发明通过多次检测对各个缺陷进行区分，针对不同缺陷特性对其进行针对性检测，进一步确定各缺陷是否符合其各自的误差标准，避免因检测误差导致可用平板玻璃被弃用，节省成本；通过对液晶显示屏的水平方向和深度方向进行角度校准，避免液晶显示屏的角度偏差对缺陷检测的影响，大大提高了测量精度。

Description

一种液晶显示屏的3D检测方法
技术领域
本发明涉及机器视觉技术领域，具体涉及一种液晶显示屏的3D检测方法。
背景技术
目前，平板电脑的使用量逐年上升，平板电脑上的液晶显示屏一般采用基板玻璃，基板玻璃在加工过程中，可能存在玻璃原料溶解不充分、混入异物等情况，因此，平板玻璃上会可能会存在划痕、条纹、气泡、凹凸不平、条纹等缺陷，影响平板电脑的使用；因此，需要在装配之前对平板玻璃进行检测，并将检测结果及时反馈。
现有的检测装置和检测方法一般采用二维视觉系统对液晶显示屏的表面进行拍照，通过二维图像处理点位容易发现较为明显的缺陷。但当缺陷范围较小时，简单的二维图像处理无法满足检测精度，也无法对液晶显示屏的厚度方向进行扫描，无法确定缺陷的具体深度，可能存在漏检、错检、判定有误的情况，检测精度较低。
对此，中国专利CN113393464A提供了一种平板玻璃缺陷的三维检测方法，包括以下步骤：S1、收集前期数据；S2、获取平板玻璃深度数据；S3、提取深度对比模型；S4、制定比对规则并根据比对规则比对深度数据；S5、整合二维图像数据与三维图像；S6、标记NG区域；S7、检测结果记录；该申请通过三维视觉检测系统对平板玻璃的平面和边缘进行扫描获得对应点位及其深度数据，选取其中部分对应点位构成对应点位组训练对比模型，并将对比模型带回对应点位深度数据确定比对规则，能够进一步规定平板玻璃上被允许存在的缺陷的范围，从而进一步确定前序二维视觉检测系统检测到的缺陷是否在被允许范围内，提高了整体检测精度，避免因检测误差导致可用平板玻璃被弃用。但是，其在使用过程中还具有一定缺陷：无法消除液晶显示屏检测前和检测过程中的角度偏差对检测结果带来的影响，检测结果还具有一定误差；由于各缺陷的判定标准不同，无法针对性地对崩、划伤、dimple（压痕）、dent（凹痕）进行检测，无法进一步确定该缺陷是否被允许，也无法进一步确定缺陷的具体位置、具体大小和具体深度；从而导致存在一定的检测误差。
因此，开发一种液晶显示屏的3D检测方法，通过3D激光传感器与相机结合，消除液晶显示屏的角度偏差对检测结果的影响，根据缺陷种类进行针对性检测，进一步确定该缺陷是否符合标准，实现高速高精度3D检测，显然具有实际的现实意义。
发明内容
本发明的目的是提供一种液晶显示屏的3D检测方法，通过对液晶显示屏的角度偏差进行校准，针对不同缺陷特性进行针对性检测，提高检测精度。
为达到上述目的，本发明采用的技术方案是：一种液晶显示屏的3D检测方法，包括以下步骤：
S1、利用一个相机对液晶显示屏的一个拐角进行拍照，获取拐角图像；
S2、对拐角图像进行分析，计算液晶显示屏与治具之间的角度偏差，并根据角度偏差对液晶显示屏进行校准；
S3、3D激光传感器对校准后的液晶显示屏的每一条边都进行多次扫描，将每一条边上的点云数据转化为深度图像；
S4、将液晶显示屏每一条边上多次扫描获取的深度图像进行拼接，形成拼接后图形；
S5、在拼接后图形上进行第一次缺陷检测，获取划伤、崩、dimple、dent这四种缺陷的缺陷区域；
S6、根据步骤S5中获取到的缺陷区域对拼接后图形进行形态学操作，获取崩的ROI（Region Of Interest，感兴趣区域）、划伤的ROI、dimple的ROI和dent的ROI；
S7、将拼接后图形进行平面拟合，获取平面拟合图；
S8、将拼接后图形与平面拟合图进行对比，获取差图；
S9、在差图上针对崩的ROI对液晶显示屏的崩缺陷进行第二次检测，将获取的结果与第一阈值比对，判断其为NG或OK；
S10、在差图上针对划伤的ROI、dimple的ROI和dent的ROI分别对液晶显示屏的划伤、dimple、dent缺陷进行第二次检测，将获取的结果与第二阈值进行比对，判断其为NG或OK。
上文中，dimple指的是压痕，dent指的是凹痕，两者均为液晶显示屏中特有的缺陷，在微观上呈现凹陷形态；dimple的凹陷边缘比较平滑，其形状呈水滴状；dent缺陷深度仅为0.1~2微米，通常为0.5微米，凹陷边缘较为锋利。
上文中，步骤S2中所述计算液晶显示屏与治具之间的角度偏差，并根据角度偏差对液晶显示屏进行校准的目的在于保证放置液晶显示屏时，液晶显示屏的边缘与治具的参考线齐平，避免液晶显示屏水平方向上的角度偏差影响检测结果。
优选地，步骤S3中所述3D激光传感器对校准后的液晶显示屏的长边扫描至少2次，所述3D激光传感器对校准后的液晶显示屏的短边扫描至少1次。
优选地，步骤S3中所述3D激光传感器对校准后的液晶显示屏的长边扫描3次，所述3D激光传感器对校准后的液晶显示屏的短边扫描2次。
优选地，步骤S3中所述3D激光传感器在每条边上扫描的方向均为沿该边往返扫描。
上文中，步骤S4中的拼接后图像的大小在300M以上。
优选地，步骤S8中获取差图的具体方法为：将拼接后图形减去平面拟合图。
上文中，步骤S2对液晶显示屏水平方向上的角度偏差进行了校准，但其可能存在深度方向上的角度偏差，步骤S8中获取差图的目的就在于将拼接后图形的深度数据减去平面拟合图的深度数据，获得深度数据差值，并以该深度数据差值作为差图的像素点，避免深度方向上的角度偏差影响检测结果。
优选地，步骤S9中在差图上针对崩的ROI对液晶显示屏的崩缺陷进行第二次检测的方法包括采用深度阈值方式对每个崩的ROI进行过滤，计算每个崩的ROI的深度数据均值、深度数据方差、离散程度。
优选地，所述深度阈值方式的计算公式为：Value=Mean-a*Deviation；其中：
Value表示阈值；
Mean表示崩的ROI中所有对应图像深度数据的平均值；
Deviation表示崩的ROI中所有对应图像深度数据的方差；
a为系数。
上文中，所述a取0.5~0.9；优选为0.8。
优选地，步骤S9中获取的结果与第一阈值比对的具体方法为：将各个崩的ROI计算所得的Value与第一阈值进行比较，若Value大于第一阈值则判定为NG，若Value小于第一阈值则判定为OK。
优选地，步骤S9中所述的第一阈值为固定值，根据崩缺陷的一般深度而定。
优选地，所述第一阈值为0.8~1.2mm；更优选为1mm。
优选地，步骤S10中对液晶显示屏的划伤、dimple、dent缺陷进行第二次检测的具体方法包括：
S101、采用形态学操作分别处理划伤的ROI、dimple的ROI和dent的ROI，获取多个处理后图形；
S102、对各处理后图形进行深度计算，获取深度计算结果。
优选地，步骤S101中，获取处理后图形的具体方法包括：使用进行形态学处理，将每个划伤的ROI、dimple的ROI和dent的ROI分割成众多的矩形。
优选地，步骤S102中，对各处理后图形进行深度计算的具体方法包括：根据每个矩形内部的轮廓，利用深度数据，拟合函数后求一阶导数，寻找极小值深度。
优选地，所述形态学操作包括膨胀、腐蚀、开运算、闭运算中的一个或多个结合。
优选地，步骤S10中所述的第二阈值为固定值，根据划伤缺陷、dimple缺陷和dent缺陷的一般深度而定。
优选地，所述第二阈值为1~3mm；更优选为2mm。
优选地，步骤S10中获取的结果与第二阈值比对的具体方法为：将各个划伤的ROI、dimple的ROI和dent的ROI计算所得的极小值深度与第二阈值进行比较，若极小值深度大于第二阈值则判定为NG，若极小值深度小于第二阈值则判定为OK。
优选地，若步骤S9和步骤S10的判定结果中存在至少一个NG则判定该液晶显示器为不合格，若步骤S9和步骤S10的判定结果均为OK，则判定该液晶显示器为OK。
由于上述技术方案运用，本发明与现有技术相比具有下列优点：
1.本发明通过多次检测对各个缺陷进行区分，针对不同缺陷特性对其进行针对性检测，进一步确定各缺陷是否符合其各自的误差标准，提高了整体检测精度，避免因检测误差导致可用平板玻璃被弃用，节省成本；
2.本发明将3D激光传感器与相机结合，通过对拐角图像进行分析，对液晶显示屏的水平方向进行角度校准；通过获取差图，对液晶显示屏的深度方向的角度偏差进行校准，避免液晶显示屏的角度偏差对缺陷检测的影响，大大提高了测量精度；
3.本发明通过各缺陷的特性设定第一阈值和第二阈值，并对各缺陷深度数据的计算结果与第一阈值或第二阈值进行比对，判定该缺陷是否在被允许的范围内，进一步提升了比对精度，从而提升液晶显示屏的质量；
4.本发明方法简单，整体工作流程顺畅，测试过程无需人工操作，自动化程度高，工作效率高。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的一些附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一中的流程图。
具体实施方式
下面将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。
实施例一
如图1所示，本实施例涉及一种液晶显示屏的3D检测方法，包括以下步骤：
S1、利用一个相机对液晶显示屏的一个拐角进行拍照，获取拐角图像；
S2、对拐角图像进行分析，计算液晶显示屏与治具之间的角度偏差，并根据角度偏差对液晶显示屏进行校准；
S3、3D激光传感器对校准后的液晶显示屏的每一条边都进行多次扫描，将每一条边上的点云数据转化为深度图像；
S4、将液晶显示屏每一条边上多次扫描获取的深度图像进行拼接，形成拼接后图形；
S5、在拼接后图形上进行第一次缺陷检测，获取划伤、崩、dimple、dent这四种缺陷的缺陷区域；
S6、根据步骤S5中获取到的缺陷区域对拼接后图形进行形态学操作，获取崩的ROI、划伤的ROI、dimple的ROI和dent的ROI；
S7、将拼接后图形进行平面拟合，获取平面拟合图；
S8、将拼接后图形与平面拟合图进行对比，获取差图；
S9、在差图上针对崩的ROI对液晶显示屏的崩缺陷进行第二次检测，将获取的结果与第一阈值比对，判断其为NG或OK；
S10、在差图上针对划伤的ROI、dimple的ROI和dent的ROI分别对液晶显示屏的划伤、dimple、dent缺陷进行第二次检测，将获取的结果与第二阈值进行比对，判断其为NG或OK。
上文中，dimple指的是压痕，dent指的是凹痕，两者均为液晶显示屏中特有的缺陷，在微观上呈现凹陷形态；dimple的凹陷边缘比较平滑，其形状呈水滴状；dent缺陷深度仅为0.1~2微米，通常为0.5微米，凹陷边缘较为锋利。
上文中，步骤S2中所述计算液晶显示屏与治具之间的角度偏差，并根据角度偏差对液晶显示屏进行校准的目的在于保证放置液晶显示屏时，液晶显示屏的边缘与治具的参考线齐平，避免液晶显示屏水平方向上的角度偏差影响检测结果。
进一步的，步骤S3中所述3D激光传感器对校准后的液晶显示屏的长边扫描至少2次，所述3D激光传感器对校准后的液晶显示屏的短边扫描至少1次。
进一步的，步骤S3中所述3D激光传感器对校准后的液晶显示屏的长边扫描3次，所述3D激光传感器对校准后的液晶显示屏的短边扫描2次。
进一步的，步骤S3中所述3D激光传感器在每条边上扫描的方向均为沿该边往返扫描。
上文中，步骤S4中的拼接后图像的大小在300M以上。
进一步的，步骤S8中获取差图的具体方法为：将拼接后图形减去平面拟合图。
上文中，步骤S2对液晶显示屏水平方向上的角度偏差进行了校准，但其可能存在深度方向上的角度偏差，步骤S8中获取差图的目的就在于将拼接后图形的深度数据减去平面拟合图的深度数据，获得深度数据差值，并以该深度数据差值作为差图的像素点，避免深度方向上的角度偏差影响检测结果。
进一步的，步骤S9中在差图上针对崩的ROI对液晶显示屏的崩缺陷进行第二次检测的方法包括采用深度阈值方式对每个崩的ROI进行过滤，计算每个崩的ROI的深度数据均值、深度数据方差、离散程度。
进一步的，所述深度阈值方式的计算公式为：Value=Mean-a*Deviation；其中：
Value表示阈值；
Mean表示崩的ROI中所有对应图像深度数据的平均值；
Deviation表示崩的ROI中所有对应图像深度数据的方差；
a为系数。
上文中，所述a取0.5~0.9；优选为0.8。
进一步的，步骤S9中获取的结果与第一阈值比对的具体方法为：将各个崩的ROI计算所得的Value与第一阈值进行比较，若Value大于第一阈值则判定为NG，若Value小于第一阈值则判定为OK。
进一步的，步骤S9中所述的第一阈值为固定值，根据崩缺陷的一般深度而定。
进一步的，所述第一阈值为0.8~1.2mm；更优选为1mm。
进一步的，步骤S10中对液晶显示屏的划伤、dimple、dent缺陷进行第二次检测的具体方法包括：
S101、采用形态学操作分别处理划伤的ROI、dimple的ROI和dent的ROI，获取多个处理后图形；
S102、对各处理后图形进行深度计算，获取深度计算结果。
进一步的，步骤S101中，获取处理后图形的具体方法包括：使用进行形态学处理，将每个划伤的ROI、dimple的ROI和dent的ROI分割成众多的矩形。
进一步的，步骤S102中，对各处理后图形进行深度计算的具体方法包括：根据每个矩形内部的轮廓，利用深度数据，拟合函数后求一阶导数，寻找极小值深度。
进一步的，所述形态学操作包括膨胀、腐蚀、开运算、闭运算中的一个或多个结合。
进一步的，步骤S10中所述的第二阈值为固定值，根据划伤缺陷、dimple缺陷和dent缺陷的一般深度而定。
进一步的，所述第二阈值为1~3mm；更优选为2mm。
进一步的，步骤S10中获取的结果与第二阈值比对的具体方法为：将各个划伤的ROI、dimple的ROI和dent的ROI计算所得的极小值深度与第二阈值进行比较，若极小值深度大于第二阈值则判定为NG，若极小值深度小于第二阈值则判定为OK。
进一步的，若步骤S9和步骤S10的判定结果中存在至少一个NG则判定该液晶显示器为不合格，若步骤S9和步骤S10的判定结果均为OK，则判定该液晶显示器为OK。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种液晶显示屏的3D检测方法，其特征在于，包括以下步骤：
S1、利用一个相机对液晶显示屏的一个拐角进行拍照，获取拐角图像；
S2、对拐角图像进行分析，计算液晶显示屏与治具之间的角度偏差，并根据角度偏差对液晶显示屏进行校准；
S3、3D激光传感器对校准后的液晶显示屏的每一条边都进行多次扫描，将每一条边上的点云数据转化为深度图像；
S4、将液晶显示屏每一条边上多次扫描获取的深度图像进行拼接，形成拼接后图形；
S5、在拼接后图形上进行第一次缺陷检测，获取划伤、崩、dimple、dent这四种缺陷的缺陷区域；
S6、根据步骤S5中获取到的缺陷区域对拼接后图形进行形态学操作，获取崩的ROI、划伤的ROI、dimple的ROI和dent的ROI；
S7、将拼接后图形进行平面拟合，获取平面拟合图；
S8、将拼接后图形与平面拟合图进行对比，获取差图；
S9、在差图上针对崩的ROI对液晶显示屏的崩缺陷进行第二次检测，将获取的结果与第一阈值比对，判断其为NG或OK；
S10、在差图上针对划伤的ROI、dimple的ROI和dent的ROI分别对液晶显示屏的划伤、dimple、dent缺陷进行第二次检测，将获取的结果与第二阈值进行比对，判断其为NG或OK。
2.根据权利要求1所述的一种液晶显示屏的3D检测方法，其特征在于，步骤S3中所述3D激光传感器对校准后的液晶显示屏的长边扫描至少2次，所述3D激光传感器对校准后的液晶显示屏的短边扫描至少1次。
3.根据权利要求1所述的一种液晶显示屏的3D检测方法，其特征在于，步骤S8中获取差图的具体方法为：将拼接后图形减去平面拟合图。
4.根据权利要求1所述的一种液晶显示屏的3D检测方法，其特征在于，步骤S9中在差图上针对崩的ROI对液晶显示屏的崩缺陷进行第二次检测的方法包括采用深度阈值方式对每个崩的ROI进行过滤，计算每个崩的ROI的深度数据均值、深度数据方差、离散程度。
5.根据权利要求4所述的一种液晶显示屏的3D检测方法，其特征在于，所述深度阈值方式的计算公式为：Value=Mean-a*Deviation；其中：
Value表示阈值；
Mean表示崩的ROI中所有对应图像深度数据的平均值；
Deviation表示崩的ROI中所有对应图像深度数据的方差；
a为系数。
6.根据权利要求5所述的一种液晶显示屏的3D检测方法，其特征在于，步骤S9中获取的结果与第一阈值比对的具体方法为：将各个崩的ROI计算所得的Value与第一阈值进行比较，若Value大于第一阈值则判定为NG，若Value小于第一阈值则判定为OK。
7.根据权利要求1所述的一种液晶显示屏的3D检测方法，其特征在于，步骤S10中对液晶显示屏的划伤、dimple、dent缺陷进行第二次检测的具体方法包括：
S101、采用形态学操作分别处理划伤的ROI、dimple的ROI和dent的ROI，获取多个处理后图形；
S102、对各处理后图形进行深度计算，获取深度计算结果。
8.根据权利要求7所述的一种液晶显示屏的3D检测方法，其特征在于，步骤S101中，获取处理后图形的具体方法包括：使用进行形态学处理，将每个划伤的ROI、dimple的ROI和dent的ROI分割成众多的矩形。
9.根据权利要求8所述的一种液晶显示屏的3D检测方法，其特征在于，步骤S102中，对各处理后图形进行深度计算的具体方法包括：根据每个矩形内部的轮廓，利用深度数据，拟合函数后求一阶导数，寻找极小值深度。
10.根据权利要求9所述的一种液晶显示屏的3D检测方法，其特征在于，步骤S10中获取的结果与第二阈值比对的具体方法为：将各个划伤的ROI、dimple的ROI和dent的ROI计算所得的极小值深度与第二阈值进行比较，若极小值深度大于第二阈值则判定为NG，若极小值深度小于第二阈值则判定为OK。
CN202210847248.6A 2022-07-19 2022-07-19 一种液晶显示屏的3d检测方法 Active CN115082424B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210847248.6A CN115082424B (zh) 2022-07-19 2022-07-19 一种液晶显示屏的3d检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210847248.6A CN115082424B (zh) 2022-07-19 2022-07-19 一种液晶显示屏的3d检测方法

Publications (2)

Publication Number Publication Date
CN115082424A true CN115082424A (zh) 2022-09-20
CN115082424B CN115082424B (zh) 2022-11-08

Family

ID=83260326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210847248.6A Active CN115082424B (zh) 2022-07-19 2022-07-19 一种液晶显示屏的3d检测方法

Country Status (1)

Country Link
CN (1) CN115082424B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104749184A (zh) * 2013-12-31 2015-07-01 研祥智能科技股份有限公司 自动光学检测方法和系统
CN107622277A (zh) * 2017-08-28 2018-01-23 广东工业大学 一种基于贝叶斯分类器的复杂曲面缺陷分类方法
CN108760767A (zh) * 2018-05-31 2018-11-06 电子科技大学 基于机器视觉的大尺寸液晶屏缺陷检测方法
CN110443186A (zh) * 2019-07-31 2019-11-12 深圳市道通智能航空技术有限公司 立体匹配方法、图像处理芯片及移动载具
CN111354286A (zh) * 2020-04-16 2020-06-30 苏州润弘安创自动化科技有限公司 超高精度Micro LED屏幕芯片电子功能测试设备
CN112782179A (zh) * 2020-12-22 2021-05-11 北京市新技术应用研究所 一种产品反光表面缺陷检测方法及系统
CN113393464A (zh) * 2021-08-18 2021-09-14 苏州鼎纳自动化技术有限公司 一种平板玻璃缺陷的三维检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104749184A (zh) * 2013-12-31 2015-07-01 研祥智能科技股份有限公司 自动光学检测方法和系统
CN107622277A (zh) * 2017-08-28 2018-01-23 广东工业大学 一种基于贝叶斯分类器的复杂曲面缺陷分类方法
CN108760767A (zh) * 2018-05-31 2018-11-06 电子科技大学 基于机器视觉的大尺寸液晶屏缺陷检测方法
CN110443186A (zh) * 2019-07-31 2019-11-12 深圳市道通智能航空技术有限公司 立体匹配方法、图像处理芯片及移动载具
CN111354286A (zh) * 2020-04-16 2020-06-30 苏州润弘安创自动化科技有限公司 超高精度Micro LED屏幕芯片电子功能测试设备
CN112782179A (zh) * 2020-12-22 2021-05-11 北京市新技术应用研究所 一种产品反光表面缺陷检测方法及系统
CN113393464A (zh) * 2021-08-18 2021-09-14 苏州鼎纳自动化技术有限公司 一种平板玻璃缺陷的三维检测方法

Also Published As

Publication number Publication date
CN115082424B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN111693549B (zh) 一种手机盖板玻璃缺陷检测与分类方法
US20190120770A1 (en) System and method for imaging a surface defect on an object
CN113393464B (zh) 一种平板玻璃缺陷的三维检测方法
CN106248686A (zh) 基于机器视觉的玻璃表面缺陷检测装置及方法
CN111784684B (zh) 基于激光辅助的透明产品内部缺陷定深检测方法及装置
CN107945155B (zh) 一种基于Gabor滤波器的牙膏管肩缺陷检测方法
CN116165216B (zh) 一种液晶显示屏微划伤瑕疵3d检测方法、系统及计算设备
KR101867015B1 (ko) 글라스 결함 검사 장치, 검사 방법 및 검사 시스템
US11733685B2 (en) Surface inspection method using mold surface inspection device
CN113222937A (zh) 一种核燃料芯块外观周面缺陷的检测方法及检测装置
CN115656182A (zh) 基于张量投票主成分分析的板材点云缺陷检测方法
CN114219758A (zh) 缺陷检测方法、系统、电子设备和计算机可读存储介质
CN113989482B (zh) 一种基于图像处理的光学合像水平仪自动读数识别方法
CN114565848A (zh) 一种复杂场景的药液液位检测方法及系统
CN116907360B (zh) 基于机器视觉的ro膜胶线宽度检测系统及检测方法
CN115082424B (zh) 一种液晶显示屏的3d检测方法
CN116993658B (zh) 一种用于精准检测oca贴合精度的方法
CN117252861A (zh) 一种晶圆表面缺陷的检测方法、装置及系统
CN115700374A (zh) 一种笔杆表面缺陷检测系统
CN108507953B (zh) 一种带膜组件自有缺陷检测方法及装置
CN116997927A (zh) 曲面基板气泡检测方法及检测系统
CN108008554B (zh) 一种基于弥散斑锐度的点缺陷面积检测方法
US20130278925A1 (en) Detecting device and method for substrate
CN106225741B (zh) 一种测量大厚度比工件边蚀宽度的方法
CN112763495A (zh) 一种手机电池尺寸和外观缺陷检测系统及检测方法

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