CN116912475B - 一种显示屏异物检测方法、装置、电子设备和存储介质 - Google Patents

一种显示屏异物检测方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN116912475B
CN116912475B CN202311161403.XA CN202311161403A CN116912475B CN 116912475 B CN116912475 B CN 116912475B CN 202311161403 A CN202311161403 A CN 202311161403A CN 116912475 B CN116912475 B CN 116912475B
Authority
CN
China
Prior art keywords
image
value
defect
focusing
acquisition
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
CN202311161403.XA
Other languages
English (en)
Other versions
CN116912475A (zh
Inventor
胡亮
杨硕
张滨
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.)
Shenzhen Seichitech Technology Co ltd
Original Assignee
Shenzhen Seichitech 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 Shenzhen Seichitech Technology Co ltd filed Critical Shenzhen Seichitech Technology Co ltd
Priority to CN202311161403.XA priority Critical patent/CN116912475B/zh
Publication of CN116912475A publication Critical patent/CN116912475A/zh
Application granted granted Critical
Publication of CN116912475B publication Critical patent/CN116912475B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G01M11/02Testing optical properties
    • G01M11/0242Testing optical properties by measuring geometrical properties or aberrations
    • G01M11/0278Detecting defects of the object to be tested, e.g. scratches or dust
    • 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
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/22Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/273Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion removing elements interfering with the pattern to be recognised
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/34Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/36Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60Control of cameras or camera modules
    • H04N23/67Focus control based on electronic image sensor signals
    • H04N23/673Focus control based on electronic image sensor signals based on contrast or high frequency components of image signals, e.g. hill climbing method
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Geometry (AREA)
  • Nonlinear Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请公开了一种显示屏异物检测方法、装置、电子设备和存储介质,用于提高显示屏异物分层检测的效率。本申请包括:点亮待检测显示屏,进行图像采集并进行分析;确定异物坐标,进行基准位置确定;控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组;对像素层图像进行缺陷区域分割处理,生成缺陷区域分割图像;对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组;对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合;若第一聚焦值为负值,或者第一聚焦值不为负值,且大小关系不为依次递减,判定为屏上异物;若第一聚焦值不为负值,且大小关系为依次递减,则判定为屏下异物。

Description

一种显示屏异物检测方法、装置、电子设备和存储介质
技术领域
本申请实施例涉及显示屏异物检测领域,尤其涉及一种显示屏异物检测方法、装置、电子设备和存储介质。
背景技术
随着科技不断发展,各类设备不断更新迭代,显示屏作为设备的显示组件之一,被运用在各占高端设备上,例如手机、电视、平板电脑等。而随着人们对画面显示的要求不断提高,显示屏逐渐成为技术精密的产品。
现有技术中,显示屏并不是由单一层组成,而是通常由若干层组成,要求越高的显示屏层数也随之增加,例如OLED显示模组由上往下一般包括CG层(盖板玻璃)、OCA层(光学胶)、POL层(偏光片)、PANEL层(像素层)、SF层(支撑膜)、TU层(复合胶带)等。这些不同的层次结构在组装贴合成形的工艺工程中,有时不可避免地会在其中夹入了异物,异物包括尘埃、碎屑等,以此形成显示屏缺陷,即夹层异物缺陷。这种夹层异物缺陷会不同程度上降低显示屏产品的显示质量,会影响消费者的视觉感受和使用体验。因此有效地检出夹层异物并对其进行分层定位至关重要。
随着自动光学检测(Automatic Optic Inspection,AOI)技术的发展,针对显示屏异物检测提出了很多成熟的自动检测方法,但是这些方法往往聚焦于检测显示屏中是否存在异物,而鲜有涉及进一步地对检测到的异物进行自动分层定位。事实上对异物缺陷的分层定位仍然依赖有经验的技术人员通过肉眼或者是借助显微镜观察显示屏中的异物进而判断出异物在哪一层,这种方法存在检测成本高、主观性强、对检测技术人员的经验和技能要求较高等不足,导致了显示屏异物分层检测的效率非常低的问题。
发明内容
本申请公开了一种显示屏异物检测方法、装置、电子设备和存储介质,提高显示屏异物分层检测的效率。
本申请第一方面提供了一种显示屏异物检测方法,包括:
点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,对采集的图像进行分析,生成分析结果;
当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标进行基准位置的确定;
控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像;
对像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像;
筛选与基准位置距离大于区分度阈值的间隔采集图像,根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组;
对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合;
确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值;
若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物;
若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物;
若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
可选的,对像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像,包括:
将像素层图像转换成double类型的图像;
对像素层图像进行压缩处理和高斯滤波处理,并将像素层图像变换回原始的数据格式和图像大小,得到像素层图像的背景重构图像;
对背景重构图像进行差分滤波,接着对背景重构图像进行增强图像处理,生成差分强化图像;
对差分强化图像进行二值化处理,得到二值图像;
将二值图像的面积特征量大于预设值的区域保留,并对生成的筛选图像进行剔除噪声干扰区域处理;
对筛选图像进行膨胀操作,生成缺陷区域分割图像。
可选的,间隔采集图像包括上层间隔采集图像和下层间隔采集图像,上层间隔采集图像为在基准位置与待检测显示屏范围外的采集图像,下层间隔采集图像为在基准位置与待检测显示屏范围内的采集图像;
筛选与基准位置距离大于区分度阈值的间隔采集图像,根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组,包括:
筛选与基准位置距离大于区分度阈值的上层间隔采集图像;
根据缺陷区域分割图像获取到缺陷所在区域的最小外接矩形;
获取上层间隔采集图像其上与最小外接矩形对应区域的缺陷定位图像,以此生成缺陷定位图像组。
可选的,在确定缺陷区域不为空,异物检测结果判定为屏下异物之后,显示屏异物检测方法还包括:
取预设的聚焦值阈值与聚焦值集合中最大的第一聚焦值与聚焦值阈值进行比较,生成比较结果;
若第一聚焦值大于聚焦值阈值,则异物检测结果判定为CG层异物;
若第一聚焦值不大于聚焦值阈值,则异物检测结果判定为CG层往下的层级异物。
可选的,在异物检测结果判定为CG层往下的层级异物之后,显示屏异物检测方法还包括:
根据最小外接矩形对目标上层间隔采集图像和目标下层间隔采集图像的缺陷定位,生成上层缺陷定位图像和下层缺陷定位图像,目标上层间隔采集图像为离像素层图像最近的上层间隔采集图像,目标下层间隔采集图像为离像素层图像最近的下层间隔采集图像;
根据上层缺陷定位图像和下层缺陷定位图像中的灰度值、均值和标准差进行相关性计算,生成相关性分数;
将相关性分数与预设的相关性分数范围进行比较,生成相关性比较结果,相关性分数范围的最大值为上级相关性参数,相关性分数范围的最小值为下级相关性参数;
若相关性比较结果显示相关性分数小于下级相关性参数,则异物检测结果判定为OCA层异物;
若相关性比较结果显示相关性分数位于相关性分数范围内,则异物检测结果判定为POL层异物;
若相关性比较结果显示相关性分数大于上级相关性参数,则异物检测结果判定为PANEL层异物。
可选的,当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标进行基准位置确定,包括:
当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标处,小视野分层定位成像组件的视野中心对齐异物坐标;
确定初始采集范围、粗步长和精步长,初始采集范围为小视野分层定位成像组件与待检测显示屏的距离范围,粗步长和精步长为采集间隔;
控制小视野分层定位成像组件以粗步长为采集间隔在初始采集范围内对待检测显示屏进行图像采集,生成第一图像组;
为第一图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的采集位置为粗位点;
以粗位点为中心结合精步长生成精细采集点位,控制小视野分层定位成像组件在精细采集点位上对待检测显示屏进行图像采集,生成第二图像组;
为第二图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的精细采集点位为基准位置。
可选的,对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合,包括:
对缺陷定位图像组中的缺陷定位图像进行均值滤波,生成均值滤波图像;
获取缺陷定位图像的均值和标准差、均值滤波图像的均值和标准差、缺陷定位图像和均值滤波图像的协方差;
获取亮度函数、对比度函数和结构函数;
根据缺陷定位图像、均值滤波图像的均值、标准差、协方差结合亮度函数、对比度函数和结构函数计算聚焦值,生成聚焦值集合。
本申请第二方面提供了一种显示屏异物检测装置,包括:
第一生成单元,用于点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,对采集的图像进行分析,生成分析结果;
第一确定单元,用于当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标进行基准位置的确定;
第二生成单元,用于控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像;
第三生成单元,用于对像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像;
第四生成单元,用于筛选与基准位置距离大于区分度阈值的间隔采集图像,根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组;
第五生成单元,用于对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合;
第二确定单元,用于确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值;
第三确定单元,用于若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物;
第四确定单元,用于若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物;
第五确定单元,用于若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
可选的,第三生成单元,包括:
将像素层图像转换成double类型的图像;
对像素层图像进行压缩处理和高斯滤波处理,并将像素层图像变换回原始的数据格式和图像大小,得到像素层图像的背景重构图像;
对背景重构图像进行差分滤波,接着对背景重构图像进行增强图像处理,生成差分强化图像;
对差分强化图像进行二值化处理,得到二值图像;
将二值图像的面积特征量大于预设值的区域保留,并对生成的筛选图像进行剔除噪声干扰区域处理;
对筛选图像进行膨胀操作,生成缺陷区域分割图像。
可选的,间隔采集图像包括上层间隔采集图像和下层间隔采集图像,上层间隔采集图像为在基准位置与待检测显示屏范围外的采集图像,下层间隔采集图像为在基准位置与待检测显示屏范围内的采集图像;
第四生成单元,包括:
筛选与基准位置距离大于区分度阈值的上层间隔采集图像;
根据缺陷区域分割图像获取到缺陷所在区域的最小外接矩形;
获取上层间隔采集图像其上与最小外接矩形对应区域的缺陷定位图像,以此生成缺陷定位图像组。
可选的,在第五确定单元之后,显示屏异物检测装置还包括:
第六生成单元,用于取预设的聚焦值阈值与聚焦值集合中最大的第一聚焦值与聚焦值阈值进行比较,生成比较结果;
第六确定单元,用于若第一聚焦值大于聚焦值阈值,则异物检测结果判定为CG层异物;
第七确定单元,用于若第一聚焦值不大于聚焦值阈值,则异物检测结果判定为CG层往下的层级异物。
可选的,在第七确定单元之后,显示屏异物检测装置还包括:
第七生成单元,用于根据最小外接矩形对目标上层间隔采集图像和目标下层间隔采集图像的缺陷定位,生成上层缺陷定位图像和下层缺陷定位图像,目标上层间隔采集图像为离像素层图像最近的上层间隔采集图像,目标下层间隔采集图像为离像素层图像最近的下层间隔采集图像;
第八生成单元,用于根据上层缺陷定位图像和下层缺陷定位图像中的灰度值、均值和标准差进行相关性计算,生成相关性分数;
第九生成单元,用于将相关性分数与预设的相关性分数范围进行比较,生成相关性比较结果,相关性分数范围的最大值为上级相关性参数,相关性分数范围的最小值为下级相关性参数;
第八确定单元,用于若相关性比较结果显示相关性分数小于下级相关性参数,则异物检测结果判定为OCA层异物;
第九确定单元,用于若相关性比较结果显示相关性分数位于相关性分数范围内,则异物检测结果判定为POL层异物;
第十确定单元,用于若相关性比较结果显示相关性分数大于上级相关性参数,则异物检测结果判定为PANEL层异物。
可选的,第一确定单元,包括:
当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标处,小视野分层定位成像组件的视野中心对齐异物坐标;
确定初始采集范围、粗步长和精步长,初始采集范围为小视野分层定位成像组件与待检测显示屏的距离范围,粗步长和精步长为采集间隔;
控制小视野分层定位成像组件以粗步长为采集间隔在初始采集范围内对待检测显示屏进行图像采集,生成第一图像组;
为第一图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的采集位置为粗位点;
以粗位点为中心结合精步长生成精细采集点位,控制小视野分层定位成像组件在精细采集点位上对待检测显示屏进行图像采集,生成第二图像组;
为第二图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的精细采集点位为基准位置。
可选的,第五生成单元,包括:
对缺陷定位图像组中的缺陷定位图像进行均值滤波,生成均值滤波图像;
获取缺陷定位图像的均值和标准差、均值滤波图像的均值和标准差、缺陷定位图像和均值滤波图像的协方差;
获取亮度函数、对比度函数和结构函数;
根据缺陷定位图像、均值滤波图像的均值、标准差、协方差结合亮度函数、对比度函数和结构函数计算聚焦值,生成聚焦值集合。
本申请第四方面提供了一种电子设备,包括:
处理器、存储器、输入输出单元以及总线;
处理器与存储器、输入输出单元以及总线相连;
存储器保存有程序,处理器调用程序以执行如第一方面以及第一方面的任意可选的显示屏异物检测方法。
本申请第五方面提供了一种计算机可读存储介质,计算机可读存储介质上保存有程序,程序在计算机上执行时执行如第一方面以及第一方面的任意可选的显示屏异物检测方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,首先点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,大视野检测成像组件主要用于对待检测显示屏上的进行全视野的采集,再使用专用图像处理软件对采集的图像进行分析,生成分析结果,分析结果包括异物的中心坐标、异物面积、异物区域等特征参量,然后根据标定得到的空间坐标转换矩阵M,可以计算出将小视野分层定位成像组件移动到该异物正上方对应的X轴、Y轴的移动脉冲量。当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标进行基准位置的确定。基准位置的确定目的是为小视野分层定位成像组件与待检测显示屏之间的最佳采集距离,以该基准位置为中心,小视野分层定位成像组件向前移动进行采集,或者是向后移动进行采集。控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,其中,以基准位置拍摄待检测显示屏得到像素层图像,向待检测显示屏位移整数倍的预设采集间隔。序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像。这时,对像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像。筛选与基准位置距离大于区分度阈值的间隔采集图像,根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组。对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合。确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值。若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物。若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物。若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
通过设计基准位置将小视野分层定位成像组件固定在最佳拍摄距离,这时采集图像得到的像素层图像能够起到参考作用。通过像素层图像能够更准确的确定缺陷位置,生成缺陷分割图像。通过缺陷分割图像确定间隔采集图像中对应的缺陷位置,接下来对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合。即可通过聚焦值分析异物在显示屏各个层中的位置关系。该方式可以通过一体化设备进行全自动化检测分析,提高了显示屏分层异物检测的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请显示屏异物分层检测方法的一个结构示意图;
图2-a为本申请显示屏异物分层检测方法的第一阶段的一个实施例示意图;
图2-b为本申请显示屏异物分层检测方法的第二阶段的一个实施例示意图;
图2-c为本申请显示屏异物分层检测方法的第三阶段的一个实施例示意图;
图2-d为本申请显示屏异物分层检测方法的第四阶段的一个实施例示意图;
图3为本申请显示屏异物分层检测装置的一个实施例示意图;
图4为本申请显示屏异物分层检测装置的另一个实施例示意图;
图5为本申请电子设备的一个实施例示意图;
图6为本申请聚焦曲线的一个结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
在现有技术中,显示屏并不是由单一层组成,而是通常由若干层组成,要求越高的显示屏层数也随之增加,例如OLED显示模组由上往下一般包括CG层(盖板玻璃)、OCA层(光学胶)、POL层(偏光片)、PANEL层(像素层)、SF层(支撑膜)、TU层(复合胶带)等。这些不同的层次结构在组装贴合成形的工艺工程中,有时不可避免地会在其中夹入了异物,异物包括尘埃、碎屑等,以此形成显示屏缺陷,即夹层异物缺陷。这种夹层异物缺陷会不同程度上降低显示屏产品的显示质量,会影响消费者的视觉感受和使用体验。因此有效地检出夹层异物并对其进行分层定位至关重要。
随着自动光学检测(Automatic Optic Inspection,AOI)技术的发展,针对显示屏异物检测提出了很多成熟的自动检测方法,但是这些方法往往聚焦于检测显示屏中是否存在异物,而鲜有涉及进一步地对检测到的异物进行自动分层定位。事实上对异物缺陷的分层定位仍然依赖有经验的技术人员通过肉眼或者是借助显微镜观察显示屏中的异物进而判断出异物在哪一层,这种方法存在检测成本高、主观性强、对检测技术人员的经验和技能要求较高等不足,导致了显示屏异物分层检测的效率非常低的问题。
基于此,本申请公开了一种显示屏异物检测方法、装置、电子设备和存储介质,提高显示屏异物分层检测的效率。
下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的方法可以应用于服务器、设备、终端或者其它具备逻辑处理能力的设备,对此,本申请不作限定。为方便描述,下面以执行主体为终端为例进行描述。
请参阅图1,本申请提供了一种显示屏异物检测方法的一个实施例,包括:
101、点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,对采集的图像进行分析,生成分析结果;
终端需要使用压接装置对待检测显示屏进行压接处理,并使用PG信号发生器点亮待检测显示屏,该过程需要使用压接平台上的位移装置对待检测显示屏进行移动。此时的大视野检测成像组件或是待检测显示屏会进行相对移动,使得待检测显示屏位于大视野检测成像组件的视野中心,大视野检测成像组件即可对待检测显示屏进行图像采集,得到待检测显示屏的图像,通过图像处理设备对图像进行分析,具体是分析是否存在异物,分析异物坐标,以及异物的面积等特征。
102、当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标进行基准位置的确定;
小视野分层定位成像组件由于缩小了视野,主要针对异物的位置进行检测,目的是获取到特征信息更加精准的异物图像。本实施例使通过小视野分层定位成像组件在不同距离下拍摄待检测显示屏的异物,以采集到多个距离的图像,需要以一个基准位置作为参考位点,该位置上的图像即为参考图像。
103、控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像;
终端控制小视野分层定位成像组件按照预设的点位进行图像采集,预设的点位具体包括基准位置d,下层位置(d-n*t)以及上层位置(d+n*t),t为预设采集间隔,n为大于的整数。本实施例中,下层位置仅设置至少一个位点d-t,上层位置设置至少10个位点。
具体的,当整个系统的自动聚焦定位到基准位置像素层后,根据预设采集间隔距离控制Z轴位移模块,使得小视野分层定位成像组件在Z轴位移模块的运动下进行位移,每运动到一个位点触发小视野分层定位成像组件采集一张图像,这样便得到了该异物在待检测显示屏不同聚焦层面下的序列图像组。
其中,预设采集间隔和采集的序列图像数量可根据实际检测的显示屏各层级物理高度来设定。例如:设定预设采集间隔s=80um,从基准位置Z1往下间隔s采集了1幅图像,记为I-1,在基准位置Z1采集了1幅图像,记为I0(像素层图像),从基准位置Z1往上每间隔s依次采集了10幅图像,分别记为I1,I2,I3,...,I8,I9,I10,总共采集了12幅图像。
104、对像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像;
终端对像素层图像进行缺陷区域分割处理,具体是对图像上的异物区域进行定位,以生成缺陷区域分割图像。
105、筛选与基准位置距离大于区分度阈值的间隔采集图像,根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组;
终端选取上层位点中,距离大于区分度阈值的位点对应的间隔采集图像,并根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组。
106、对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合;
终端对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合,其目的是聚焦值能够准确的表征异物和小视野分层定位成像组件在不同距离时的清晰度,具体是由其数值决定。
107、确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值;
当终端生成聚焦值集合之后,即可确定第一聚焦值的数值大小,以及确定聚焦值集合中距离基准位置由近到远的聚焦值的大小关系。本实施例中,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值。
108、若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物;
通过聚焦值可以判断对应的缺陷区域是否存在对应的异物,如第一聚焦值为负值,则可以确定第一聚焦值所对应的屏下缺陷区域无异物,则只能是待检查显示屏屏上的异物。
109、若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物;
其次,第一聚焦值不为负值时,但是聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减则表示异物检测结果判定为屏上异物。
110、若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
当终端确定第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减时,则表示此时的待检查显示屏屏下的缺陷区域不为空,则衣物在表层以下。
具体的,步骤107至步骤110中,假设聚焦值集合包括[f0,f1,f2,f3,f4],通过这组聚焦值对异物所在层级进行初判定,具体判定方法如下:
若第一聚焦值f0=-1,表示缺陷区域为空,判定为屏上异物。
若第一聚焦值f0!=-1,对[f0,f1,f2,f3,f4]这组值进行数据拟合,若[f0,f1,f2,f3,f4]这组值的变化趋势是依次递减,则判定为屏下异物,否则判定为屏上异物。
本实施例中,首先点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,大视野检测成像组件主要用于对待检测显示屏上的进行全视野的采集,再使用专用图像处理软件对采集的图像进行分析,生成分析结果,分析结果包括异物的中心坐标、异物面积、异物区域等特征参量,然后根据标定得到的空间坐标转换矩阵M,可以计算出将小视野分层定位成像组件移动到该异物正上方对应的X轴、Y轴的移动脉冲量。当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标进行基准位置的确定。基准位置的确定目的是为小视野分层定位成像组件与待检测显示屏之间的最佳采集距离,以该基准位置为中心,小视野分层定位成像组件向前移动进行采集,或者是向后移动进行采集。控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,其中,以基准位置拍摄待检测显示屏得到像素层图像,向待检测显示屏位移整数倍的预设采集间隔。序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像。这时,对像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像。筛选与基准位置距离大于区分度阈值的间隔采集图像,根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组。对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合。确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值。若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物。若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物。若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
通过设计基准位置将小视野分层定位成像组件固定在最佳拍摄距离,这时采集图像得到的像素层图像能够起到参考作用。通过像素层图像能够更准确的确定缺陷位置,生成缺陷分割图像。通过缺陷分割图像确定间隔采集图像中对应的缺陷位置,接下来对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合。即可通过聚焦值分析异物在显示屏各个层中的位置关系。该方式可以通过一体化设备进行全自动化检测分析,提高了显示屏分层异物检测的效率。
请参阅图2-a、图2-b、图2-c和图2-d,本申请提供了一种显示屏异物检测方法的一个实施例,包括:
201、点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,对采集的图像进行分析,生成分析结果;
本实施例中的步骤201与前述实施例中步骤101类似,此处不再赘述。
202、当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标处,小视野分层定位成像组件的视野中心对齐异物坐标;
203、确定初始采集范围、粗步长和精步长,初始采集范围为小视野分层定位成像组件与待检测显示屏的距离范围,粗步长和精步长为采集间隔;
204、控制小视野分层定位成像组件以粗步长为采集间隔在初始采集范围内对待检测显示屏进行图像采集,生成第一图像组;
205、为第一图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的采集位置为粗位点;
206、以粗位点为中心结合精步长生成精细采集点位,控制小视野分层定位成像组件在精细采集点位上对待检测显示屏进行图像采集,生成第二图像组;
207、为第二图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的精细采集点位为基准位置;
本实施例中,当分析结果显示待检测显示屏中存在异物时,首先确定异物坐标,接下来控制小视野分层定位成像组件移动到异物坐标处,小视野分层定位成像组件的视野中心对齐异物坐标,此时小视野分层定位成像组件只是对齐异物坐标,但是初始拍摄位置需要通过计算得出,初始拍摄位置得到的图像将作为参考图像影响后续的异物分层判定。
本实施例中,首先确定初始采集范围[Z_start,Z_end]、粗步长Step0和精步长Step1。其中,初始采集范围为小视野分层定位成像组件与待检测显示屏的距离范围。
具体的,终端通过Z轴位移模块控制小视野分层定位成像组件先以粗步长Step0在初始采集范围[Z_start,Z_end]采集一组图片,生成第一图像组,并计算第一图像组中每一幅图像的聚焦值(Focus Value,记为FV),再选取最大FV对应的一个Z轴位置,即粗位点Z0。
Z轴位移模块再控制分层小视野分层定位成像组件以精步长Step1在[Z0-Step0/2,Z0+Step0/2]范围采集一组图片并计算每一幅图像的聚焦值(Focus Value,记为FV),选取最大FV对应的一个Z轴位置Z1,Z1即为自动聚焦最终得到的基准位置。
208、控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像;
本实施例中的步骤208与前述实施例中步骤103类似,此处不再赘述。
209、将像素层图像转换成double类型的图像;
210、对像素层图像进行压缩处理和高斯滤波处理,并将像素层图像变换回原始的数据格式和图像大小,得到像素层图像的背景重构图像;
211、对背景重构图像进行差分滤波,接着对背景重构图像进行增强图像处理,生成差分强化图像;
212、对差分强化图像进行二值化处理,得到二值图像;
213、将二值图像的面积特征量大于预设值的区域保留,并对生成的筛选图像进行剔除噪声干扰区域处理;
214、对筛选图像进行膨胀操作,生成缺陷区域分割图像;
本实施例中,第一步,首先需要获取像素层图像I0的图像类型type,若图像类型type不为double类型,则将像素层图像I0转换为double类型,接下来使用缩放参数Zoom_Factor对像素层图像I0进行压缩得到缩放后的图像IF0,缩放参数Zoom_Factor为预设参数。压缩图像的目的是平滑图像。
第二步,使用预设的参数Alpha对图像IF0进行高斯滤波,再将图像变换回原始的数据格式和图像大小,得到像素层图像I0的背景重构图像IB0。本实施例中高斯滤波的作用为图像去噪。
第三步,分别使用水平方向和垂直方向的自定义卷积核kx、ky对背景重构图像IB0进行差分滤波,接着使用预设的权重参数weight增强图像得到差分强化图像IDF,用公式表示为:
第四步,获取预设的阈值t,对差分强化图像IDF进行二值化处理,得到二值图像IBI,二值化方法如下:
第五步,对二值图像IBI进行blob分析,将面积特征量大于预设值Area_DN的区域保留筛选出来得到图像IBS,剔除其中的噪声干扰区域。预设值Area_DN是一个面积数值参数,表示所占的像素数大小。
第六步,使用结构元素为s×s的矩形结构元素对图像IBS进行膨胀操作,使区域向外部扩张一些,以消除边界效应,得到最终的缺陷区域分割图像IR。
215、筛选与基准位置距离大于区分度阈值的上层间隔采集图像;
216、根据缺陷区域分割图像获取到缺陷所在区域的最小外接矩形;
217、获取上层间隔采集图像其上与最小外接矩形对应区域的缺陷定位图像,以此生成缺陷定位图像组;
由于在实际测试中镜头景深存在限制,在靠近像素层图像的几层间隔采集图像在进行聚焦值FV计算时主要受子像素影响,使得区分度不明显,所以这里为了避免子像素对缺陷区域聚焦值FV计算的干扰,可以选择远一些的间隔采集图像。本实施例中,选择对上层的I6,I7,I8,I9,I10五幅图像进行聚焦值FV计算。具体的计算过程可以如下例子:
首先,由缺陷区域分割图像IR获取到缺陷所在区域的最小外接矩形smallest_rectangle,获取到在其上最小外接矩形smallest_rectangle对应区域的图像I6',I7',I8',I9',I10',然后对I6',I7',I8',I9',I10'进行FV计算,得到5个聚焦值FV,记为[f0,f1,f2,f3,f4]。
218、对缺陷定位图像组中的缺陷定位图像进行均值滤波,生成均值滤波图像;
219、获取缺陷定位图像的均值和标准差、均值滤波图像的均值和标准差、缺陷定位图像和均值滤波图像的协方差;
220、获取亮度函数、对比度函数和结构函数;
221、根据缺陷定位图像、均值滤波图像的均值、标准差、协方差结合亮度函数、对比度函数和结构函数计算聚焦值,生成聚焦值集合;
终端对缺陷定位图像组中的缺陷定位图像进行均值滤波,生成均值滤波图像。接下来,终端计算缺陷定位图像的均值和标准差,均值滤波图像的均值和标准差,计算缺陷定位图像和均值滤波图像的协方差。聚焦值FV的计算公式如下:
亮度函数:
对比度函数:
结构函数:
式中,x表示采集到的原始图像(缺陷定位图像),y表示原始图像经过均值滤波后的图像。
分别表示图像x的均值和标准差。分别表示图像y的均值和标准差。
表示图像x和图像y的协方差,为常数,且:
其中,B表示比特深度。
本实施例中,存在多处聚焦值计算,上述聚焦值的计算方式可以运用到其他处聚焦值计算中。本实施例中,选择获取到在其上最小外接矩形smallest_rectangle对应区域的图像I6',I7',I8',I9',I10',然后对I6',I7',I8',I9',I10'进行FV计算,得到5个聚焦值FV,记为[f0,f1,f2,f3,f4]。
222、确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值;
223、若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物;
224、若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物;
225、若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物;
本实施例中的步骤222至步骤225与前述实施例中步骤107至110类似,此处不再赘述。
226、取预设的聚焦值阈值与聚焦值集合中最大的第一聚焦值与聚焦值阈值进行比较,生成比较结果;
227、若第一聚焦值大于聚焦值阈值,则异物检测结果判定为CG层异物;
228、若第一聚焦值不大于聚焦值阈值,则异物检测结果判定为CG层往下的层级异物;
本实施例中,结合前述的案例,若[f0,f1,f2,f3,f4]这组值的变化趋势是依次递减,取聚焦值阈值FV-th,将[f0,f1,f2,f3,f4]中的最大值f0与FV-th进行比较,如果f0>=FV_th,则判定为CG层异物,反之判定为CG层往下的层级异物,需进行处理做进一步判定。
229、根据最小外接矩形对目标上层间隔采集图像和目标下层间隔采集图像的缺陷定位,生成上层缺陷定位图像和下层缺陷定位图像,目标上层间隔采集图像为离像素层图像最近的上层间隔采集图像,目标下层间隔采集图像为离像素层图像最近的下层间隔采集图像;
230、根据上层缺陷定位图像和下层缺陷定位图像中的灰度值、均值和标准差进行相关性计算,生成相关性分数;
231、将相关性分数与预设的相关性分数范围进行比较,生成相关性比较结果,相关性分数范围的最大值为上级相关性参数,相关性分数范围的最小值为下级相关性参数;
232、若相关性比较结果显示相关性分数小于下级相关性参数,则异物检测结果判定为OCA层异物;
233、若相关性比较结果显示相关性分数位于相关性分数范围内,则异物检测结果判定为POL层异物;
234、若相关性比较结果显示相关性分数大于上级相关性参数,则异物检测结果判定为PANEL层异物。
通常来说,一个良好的清晰度评价函数对应的聚焦曲线应该满足如下图6所示的单峰曲线,曲线峰值对应的调焦位置即为准确聚焦的位置,在本案例中即对应为像素层图像的基准位置,即为像素层。
考虑准确聚焦位置之外的其他位置均没有物体信息,那么在距离正确聚焦层相同距离的两侧(如下图6中f1和f2处),图像的聚焦值理论上应该非常接近或者图像的相似性是非常高的。若准确聚焦位置之外靠近f1或f2的某个位置存在物体信息,那么在距离正确聚焦层相同距离的两侧(如下图6中f1和f2处),图像的聚焦值接近程度或者说图像的相似性相比前述情形会降低。
基于上述原理,这里对像素层图像上层下层两张图像(图像I1和I-1)在缺陷区域的图像数据进行相关性分析,得到这两张图像在缺陷区域的相关性分数Score,通过设置分数阈值Score_1ow和Score_high来进一步判定异物缺陷所在的层级,具体流程如下:
由缺陷区域分割图像IR获取到缺陷所在区域的最小外接矩形smallest_rectangle,获取到在其图像I1和I-1上最小外接矩形smallest_rectangle对应区域的图像I1'和I-1'。
基于Normalized cross correlation(NCC)对图像I1'和I-1'进行相关性计算,得到相关性分数Score,用公式表示为:
式中:M和N表示图像的高度和宽度,t(x,y),f(x,y)分别表示图像I1'、I-1'在像素点(x,y)的灰度值。表示图像I1'的均值和标准差;表示图像I-1'的均值和标准差。
最后,运用相关性分数Score对异物缺陷所在层级做进一步判定:
若相关性分数Score<下级相关性参数Score_1ow,判定为OCA层异物;
若下级相关性参数Score_1ow<相关性分数Score<上级相关性参数Score_high,判定为POL层异物;
若上级相关性参数Score_high<相关性分数Score,判定为PANEL层异物。
本实施例中,首先点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,大视野检测成像组件主要用于对待检测显示屏上的进行全视野的采集,再使用专用图像处理软件对采集的图像进行分析,生成分析结果,分析结果包括异物的中心坐标、异物面积、异物区域等特征参量,然后根据标定得到的空间坐标转换矩阵M,可以计算出将小视野分层定位成像组件移动到该异物正上方对应的X轴、Y轴的移动脉冲量。
当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标处,小视野分层定位成像组件的视野中心对齐异物坐标。确定初始采集范围、粗步长和精步长,初始采集范围为小视野分层定位成像组件与待检测显示屏的距离范围,粗步长和精步长为采集间隔。控制小视野分层定位成像组件以粗步长为采集间隔在初始采集范围内对待检测显示屏进行图像采集,生成第一图像组。为第一图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的采集位置为粗位点。以粗位点为中心结合精步长生成精细采集点位,控制小视野分层定位成像组件在精细采集点位上对待检测显示屏进行图像采集,生成第二图像组。为第二图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的精细采集点位为基准位置。
基准位置的确定目的是为小视野分层定位成像组件与待检测显示屏之间的最佳采集距离,以该基准位置为中心,小视野分层定位成像组件向前移动进行采集,或者是向后移动进行采集。控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,其中,以基准位置拍摄待检测显示屏得到像素层图像,向待检测显示屏位移整数倍的预设采集间隔。序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像。
这时,将像素层图像转换成double类型的图像。对像素层图像进行压缩处理和高斯滤波处理,并将像素层图像变换回原始的数据格式和图像大小,得到像素层图像的背景重构图像。对背景重构图像进行差分滤波,接着对背景重构图像进行增强图像处理,生成差分强化图像。对差分强化图像进行二值化处理,得到二值图像。将二值图像的面积特征量大于预设值的区域保留,并对生成的筛选图像进行剔除噪声干扰区域处理。对筛选图像进行膨胀操作,生成缺陷区域分割图像。
筛选与基准位置距离大于区分度阈值的上层间隔采集图像。根据缺陷区域分割图像获取到缺陷所在区域的最小外接矩形。获取上层间隔采集图像其上与最小外接矩形对应区域的缺陷定位图像,以此生成缺陷定位图像组。
对缺陷定位图像组中的缺陷定位图像进行均值滤波,生成均值滤波图像。获取缺陷定位图像的均值和标准差、均值滤波图像的均值和标准差、缺陷定位图像和均值滤波图像的协方差。获取亮度函数、对比度函数和结构函数。根据缺陷定位图像、均值滤波图像的均值、标准差、协方差结合亮度函数、对比度函数和结构函数计算聚焦值,生成聚焦值集合。确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值。若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物。若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物。若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
取预设的聚焦值阈值与聚焦值集合中最大的第一聚焦值与聚焦值阈值进行比较,生成比较结果。若第一聚焦值大于聚焦值阈值,则异物检测结果判定为CG层异物。若第一聚焦值不大于聚焦值阈值,则异物检测结果判定为CG层往下的层级异物。
根据最小外接矩形对目标上层间隔采集图像和目标下层间隔采集图像的缺陷定位,生成上层缺陷定位图像和下层缺陷定位图像,目标上层间隔采集图像为离像素层图像最近的上层间隔采集图像,目标下层间隔采集图像为离像素层图像最近的下层间隔采集图像。根据上层缺陷定位图像和下层缺陷定位图像中的灰度值、均值和标准差进行相关性计算,生成相关性分数。将相关性分数与预设的相关性分数范围进行比较,生成相关性比较结果,相关性分数范围的最大值为上级相关性参数,相关性分数范围的最小值为下级相关性参数。若相关性比较结果显示相关性分数小于下级相关性参数,则异物检测结果判定为OCA层异物。若相关性比较结果显示相关性分数位于相关性分数范围内,则异物检测结果判定为POL层异物。若相关性比较结果显示相关性分数大于上级相关性参数,则异物检测结果判定为PANEL层异物。
通过设计基准位置将小视野分层定位成像组件固定在最佳拍摄距离,这时采集图像得到的像素层图像能够起到参考作用。通过像素层图像能够更准确的确定缺陷位置,生成缺陷分割图像。通过缺陷分割图像确定间隔采集图像中对应的缺陷位置,接下来对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合。即可通过聚焦值分析异物在显示屏各个层中的位置关系。该方式可以通过一体化设备进行全自动化检测分析,提高了显示屏分层异物检测的效率。
其次,本实施例中还能通过聚焦值阈值与聚焦值集合中最大的第一聚焦值与聚焦值阈值进行比较,以此得到异物位于CG层的判定,增加了异物分层检测的范围。
其次,在判定结果为CG层往下的层级异物时,还可以通过对目标上层间隔采集图像和目标下层间隔采集图像的缺陷定位,生成上层缺陷定位图像和下层缺陷定位图像,再通过图像中的灰度值、均值和标准差进行相关性计算,生成相关性分数,习惯性分数与预设的相关性分数范围进行比较,生成相关性比较结果,以此区分OCA层异物、POL层异物以及PANEL层异物,提高了异物分层检测的范围。
请参阅图3,本申请提供了一种显示屏异物检测装置的一个实施例,包括:
第一生成单元301,用于点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,对采集的图像进行分析,生成分析结果;
第一确定单元302,用于当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标进行基准位置的确定;
第二生成单元303,用于控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像;
第三生成单元304,用于对像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像;
第四生成单元305,用于筛选与基准位置距离大于区分度阈值的间隔采集图像,根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组;
第五生成单元306,用于对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合;
第二确定单元307,用于确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值;
第三确定单元308,用于若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物;
第四确定单元309,用于若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物;
第五确定单元310,用于若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
请参阅图4,本申请提供了一种显示屏异物检测装置的一个实施例,包括:
第一生成单元401,用于点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,对采集的图像进行分析,生成分析结果;
第一确定单元402,用于当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标进行基准位置的确定;
可选的,第一确定单元402,包括:
当分析结果显示待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到异物坐标处,小视野分层定位成像组件的视野中心对齐异物坐标;
确定初始采集范围、粗步长和精步长,初始采集范围为小视野分层定位成像组件与待检测显示屏的距离范围,粗步长和精步长为采集间隔;
控制小视野分层定位成像组件以粗步长为采集间隔在初始采集范围内对待检测显示屏进行图像采集,生成第一图像组;
为第一图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的采集位置为粗位点;
以粗位点为中心结合精步长生成精细采集点位,控制小视野分层定位成像组件在精细采集点位上对待检测显示屏进行图像采集,生成第二图像组;
为第二图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的精细采集点位为基准位置。
第二生成单元403,用于控制小视野分层定位成像组件结合预设采集间隔和基准位置进行图像采集,生成序列图像组,序列图像组中包括像素层图像和至少两张间隔采集图像,像素层图像为小视野分层定位成像组件在基准位置上采集到的图像;
第三生成单元404,用于对像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像;
可选的,第三生成单元404,包括:
将像素层图像转换成double类型的图像;
对像素层图像进行压缩处理和高斯滤波处理,并将像素层图像变换回原始的数据格式和图像大小,得到像素层图像的背景重构图像;
对背景重构图像进行差分滤波,接着对背景重构图像进行增强图像处理,生成差分强化图像;
对差分强化图像进行二值化处理,得到二值图像;
将二值图像的面积特征量大于预设值的区域保留,并对生成的筛选图像进行剔除噪声干扰区域处理;
对筛选图像进行膨胀操作,生成缺陷区域分割图像。
第四生成单元405,用于筛选与基准位置距离大于区分度阈值的间隔采集图像,根据缺陷区域分割图像对间隔采集图像进行缺陷定位处理,生成缺陷定位图像组;
可选的,间隔采集图像包括上层间隔采集图像和下层间隔采集图像,上层间隔采集图像为在基准位置与待检测显示屏范围外的采集图像,下层间隔采集图像为在基准位置与待检测显示屏范围内的采集图像;
第四生成单元405,包括:
筛选与基准位置距离大于区分度阈值的上层间隔采集图像;
根据缺陷区域分割图像获取到缺陷所在区域的最小外接矩形;
获取上层间隔采集图像其上与最小外接矩形对应区域的缺陷定位图像,以此生成缺陷定位图像组。
第五生成单元406,用于对缺陷定位图像组进行聚焦值的计算,生成聚焦值集合;
可选的,第五生成单元406,包括:
对缺陷定位图像组中的缺陷定位图像进行均值滤波,生成均值滤波图像;
获取缺陷定位图像的均值和标准差、均值滤波图像的均值和标准差、缺陷定位图像和均值滤波图像的协方差;
获取亮度函数、对比度函数和结构函数;
根据缺陷定位图像、均值滤波图像的均值、标准差、协方差结合亮度函数、对比度函数和结构函数计算聚焦值,生成聚焦值集合。
第二确定单元407,用于确定第一聚焦值的数值大小以及聚焦值集合中距离基准位置由近到远的聚焦值的大小关系,第一聚焦值为聚焦值集合中距离基准位置最近的间隔采集图像对应的聚焦值;
第三确定单元408,用于若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物;
第四确定单元409,用于若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物;
第五确定单元410,用于若第一聚焦值不为负值,且聚焦值集合中距离基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物;
第六生成单元411,用于取预设的聚焦值阈值与聚焦值集合中最大的第一聚焦值与聚焦值阈值进行比较,生成比较结果;
第六确定单元412,用于若第一聚焦值大于聚焦值阈值,则异物检测结果判定为CG层异物;
第七确定单元413,用于若第一聚焦值不大于聚焦值阈值,则异物检测结果判定为CG层往下的层级异物;
第七生成单元414,用于根据最小外接矩形对目标上层间隔采集图像和目标下层间隔采集图像的缺陷定位,生成上层缺陷定位图像和下层缺陷定位图像,目标上层间隔采集图像为离像素层图像最近的上层间隔采集图像,目标下层间隔采集图像为离像素层图像最近的下层间隔采集图像;
第八生成单元415,用于根据上层缺陷定位图像和下层缺陷定位图像中的灰度值、均值和标准差进行相关性计算,生成相关性分数;
第九生成单元416,用于将相关性分数与预设的相关性分数范围进行比较,生成相关性比较结果,相关性分数范围的最大值为上级相关性参数,相关性分数范围的最小值为下级相关性参数;
第八确定单元417,用于若相关性比较结果显示相关性分数小于下级相关性参数,则异物检测结果判定为OCA层异物;
第九确定单元418,用于若相关性比较结果显示相关性分数位于相关性分数范围内,则异物检测结果判定为POL层异物;
第十确定单元419,用于若相关性比较结果显示相关性分数大于上级相关性参数,则异物检测结果判定为PANEL层异物。
请参阅图5,本申请提供了一种电子设备,包括:
处理器501、存储器503、输入输出单元502以及总线504。
处理器501与存储器503、输入输出单元502以及总线504相连。
存储器503保存有程序,处理器501调用程序以执行如图1、图2-a、图2-b、图2-c和图2-d中的显示屏异物分层检测方法。
本申请提供了一种计算机可读存储介质,计算机可读存储介质上保存有程序,程序在计算机上执行时执行如图1、图2-a、图2-b、图2-c和图2-d中的显示屏异物分层检测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种显示屏异物检测方法,其特征在于,包括:
点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,对采集的图像进行分析,生成分析结果;
当所述分析结果显示所述待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到所述异物坐标进行基准位置的确定;
控制所述小视野分层定位成像组件结合预设采集间隔和所述基准位置进行图像采集,生成序列图像组,所述序列图像组中包括像素层图像和至少两张间隔采集图像,所述像素层图像为所述小视野分层定位成像组件在所述基准位置上采集到的图像;
对所述像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像;
筛选与所述基准位置距离大于区分度阈值的所述间隔采集图像,根据所述缺陷区域分割图像对所述间隔采集图像进行缺陷定位处理,生成缺陷定位图像组;
对所述缺陷定位图像组进行聚焦值的计算,生成聚焦值集合;
确定第一聚焦值的数值大小以及所述聚焦值集合中距离所述基准位置由近到远的聚焦值的大小关系,所述第一聚焦值为所述聚焦值集合中距离所述基准位置最近的间隔采集图像对应的聚焦值;
若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物;
若第一聚焦值不为负值,且所述聚焦值集合中距离所述基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物;
若第一聚焦值不为负值,且所述聚焦值集合中距离所述基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
2.根据权利要求1所述的显示屏异物检测方法,其特征在于,所述对所述像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像,包括:
将所述像素层图像转换成double类型的图像;
对所述像素层图像进行压缩处理和高斯滤波处理,并将所述像素层图像变换回原始的数据格式和图像大小,得到所述像素层图像的背景重构图像;
对所述背景重构图像进行差分滤波,接着对所述背景重构图像进行增强图像处理,生成差分强化图像;
对所述差分强化图像进行二值化处理,得到二值图像;
将所述二值图像的面积特征量大于预设值的区域保留,并对生成的筛选图像进行剔除噪声干扰区域处理;
对所述筛选图像进行膨胀操作,生成缺陷区域分割图像。
3.根据权利要求2所述的显示屏异物检测方法,其特征在于,所述间隔采集图像包括上层间隔采集图像和下层间隔采集图像,所述上层间隔采集图像为在所述基准位置与所述待检测显示屏范围外的采集图像,所述下层间隔采集图像为在所述基准位置与所述待检测显示屏范围内的采集图像;
筛选与所述基准位置距离大于区分度阈值的所述间隔采集图像,根据所述缺陷区域分割图像对所述间隔采集图像进行缺陷定位处理,生成缺陷定位图像组,包括:
筛选与所述基准位置距离大于区分度阈值的所述上层间隔采集图像;
根据所述缺陷区域分割图像获取到缺陷所在区域的最小外接矩形;
获取所述上层间隔采集图像中与所述最小外接矩形对应区域,定义为缺陷定位图像,以此生成缺陷定位图像组。
4.根据权利要求3所述的显示屏异物检测方法,其特征在于,在确定缺陷区域不为空,异物检测结果判定为屏下异物之后,所述显示屏异物检测方法还包括:
获取预设的聚焦值阈值与所述聚焦值集合中最大的所述第一聚焦值,将所述第一聚焦值与所述聚焦值阈值进行比较,生成比较结果;
若所述第一聚焦值大于所述聚焦值阈值,则异物检测结果判定为CG层异物;
若所述第一聚焦值不大于所述聚焦值阈值,则异物检测结果判定为CG层往下的层级异物。
5.根据权利要求4所述的显示屏异物检测方法,其特征在于,在所述异物检测结果判定为CG层往下的层级异物之后,所述显示屏异物检测方法还包括:
根据所述最小外接矩形对目标上层间隔采集图像和目标下层间隔采集图像的缺陷定位,生成上层缺陷定位图像和下层缺陷定位图像,所述目标上层间隔采集图像为离所述像素层图像最近的上层间隔采集图像,所述目标下层间隔采集图像为离所述像素层图像最近的下层间隔采集图像;
根据所述上层缺陷定位图像和所述下层缺陷定位图像中的灰度值、均值和标准差进行相关性计算,生成相关性分数;
将所述相关性分数与预设的相关性分数范围进行比较,生成相关性比较结果,所述相关性分数范围的最大值为上级相关性参数,所述相关性分数范围的最小值为下级相关性参数;
若所述相关性比较结果显示所述相关性分数小于所述下级相关性参数,则异物检测结果判定为OCA层异物;
若所述相关性比较结果显示所述相关性分数位于所述相关性分数范围内,则异物检测结果判定为POL层异物;
若所述相关性比较结果显示所述相关性分数大于所述上级相关性参数,则异物检测结果判定为PANEL层异物。
6.根据权利要求1至5中任一项所述的显示屏异物检测方法,其特征在于,所述当分析结果显示所述待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到所述异物坐标进行基准位置确定,包括:
当分析结果显示所述待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到所述异物坐标处,所述小视野分层定位成像组件的视野中心对齐所述异物坐标;
确定初始采集范围、粗步长和精步长,所述初始采集范围为所述小视野分层定位成像组件与所述待检测显示屏的距离范围,所述粗步长和所述精步长为采集间隔;
控制所述小视野分层定位成像组件以所述粗步长为采集间隔在所述初始采集范围内对所述待检测显示屏进行图像采集,生成第一图像组;
为所述第一图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的采集位置为粗位点;
以粗位点为中心结合所述精步长生成精细采集点位,控制所述小视野分层定位成像组件在所述精细采集点位上对所述待检测显示屏进行图像采集,生成第二图像组;
为所述第二图像组中每一张图像计算聚焦值,并确定最大的聚焦值对应的精细采集点位为基准位置。
7.根据权利要求1至5中任一项所述的显示屏异物检测方法,其特征在于,所述对所述缺陷定位图像组进行聚焦值的计算,生成聚焦值集合,包括:
对所述缺陷定位图像组中的缺陷定位图像进行均值滤波,生成均值滤波图像;
获取所述缺陷定位图像的均值和标准差、所述均值滤波图像的均值和标准差、所述缺陷定位图像和所述均值滤波图像的协方差;
获取亮度函数、对比度函数和结构函数;
根据所述缺陷定位图像、所述均值滤波图像的均值、标准差、协方差结合所述亮度函数、所述对比度函数和所述结构函数计算聚焦值,生成聚焦值集合。
8.一种显示屏异物检测装置,其特征在于,包括:
第一生成单元,用于点亮待检测显示屏,并通过大视野检测成像组件进行图像采集,对采集的图像进行分析,生成分析结果;
第一确定单元,用于当所述分析结果显示所述待检测显示屏中存在异物时,确定异物坐标,并控制小视野分层定位成像组件移动到所述异物坐标进行基准位置的确定;
第二生成单元,用于控制所述小视野分层定位成像组件结合预设采集间隔和所述基准位置进行图像采集,生成序列图像组,所述序列图像组中包括像素层图像和至少两张间隔采集图像,所述像素层图像为所述小视野分层定位成像组件在所述基准位置上采集到的图像;
第三生成单元,用于对所述像素层图像进行缺陷区域分割处理,以生成缺陷区域分割图像;
第四生成单元,用于筛选与所述基准位置距离大于区分度阈值的所述间隔采集图像,根据所述缺陷区域分割图像对所述间隔采集图像进行缺陷定位处理,生成缺陷定位图像组;
第五生成单元,用于对所述缺陷定位图像组进行聚焦值的计算,生成聚焦值集合;
第二确定单元,用于确定第一聚焦值的数值大小以及所述聚焦值集合中距离所述基准位置由近到远的聚焦值的大小关系,所述第一聚焦值为所述聚焦值集合中距离所述基准位置最近的间隔采集图像对应的聚焦值;
第三确定单元,用于若第一聚焦值为负值,则确定缺陷区域为空,异物检测结果判定为屏上异物;
第四确定单元,用于若第一聚焦值不为负值,且所述聚焦值集合中距离所述基准位置由近到远的聚焦值的大小关系不为依次递减,则确定异物检测结果判定为屏上异物;
第五确定单元,用于若第一聚焦值不为负值,且所述聚焦值集合中距离所述基准位置由近到远的聚焦值的大小关系为依次递减,则确定缺陷区域不为空,异物检测结果判定为屏下异物。
9.一种电子设备,其特征在于,包括:
处理器、存储器、输入输出单元以及总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述存储器保存有程序,所述处理器调用所述程序以执行如权利要求1至7任意一项所述的显示屏异物检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时执行如权利要求1至7中任一项所述的显示屏异物检测方法。
CN202311161403.XA 2023-09-11 2023-09-11 一种显示屏异物检测方法、装置、电子设备和存储介质 Active CN116912475B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311161403.XA CN116912475B (zh) 2023-09-11 2023-09-11 一种显示屏异物检测方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311161403.XA CN116912475B (zh) 2023-09-11 2023-09-11 一种显示屏异物检测方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN116912475A CN116912475A (zh) 2023-10-20
CN116912475B true CN116912475B (zh) 2024-01-09

Family

ID=88360565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311161403.XA Active CN116912475B (zh) 2023-09-11 2023-09-11 一种显示屏异物检测方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN116912475B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117218125B (zh) * 2023-11-09 2024-05-03 荣耀终端有限公司 显示屏缺陷的检测方法、设备、存储介质、装置及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN211403010U (zh) * 2020-07-29 2020-09-01 武汉精立电子技术有限公司 显示面板异物定位装置
CN112394064A (zh) * 2020-10-22 2021-02-23 惠州高视科技有限公司 一种屏幕缺陷检测的点线测量方法
JP2022066637A (ja) * 2020-10-19 2022-05-02 日立交通テクノロジー株式会社 異物検出装置、異物検出システム、異物検出方法
WO2022116109A1 (en) * 2020-12-03 2022-06-09 Boe Technology Group Co., Ltd. Computer-implemented method for defect analysis, apparatus for defect analysis, computer-program product, and intelligent defect analysis system
WO2022126871A1 (en) * 2020-12-15 2022-06-23 Vomma (Shanghai) Technology Co., Ltd. Defect layer detection method and system based on light field camera and detection production line
CN114663356A (zh) * 2022-02-28 2022-06-24 东莞市德普特电子有限公司 手机屏幕模组检测内部暗点与表面灰尘区分方法及其系统
CN115187593A (zh) * 2022-09-08 2022-10-14 苏州华兴源创科技股份有限公司 屏幕缺陷检测方法和装置
CN115222728A (zh) * 2022-08-19 2022-10-21 苏州华兴源创科技股份有限公司 基于视觉技术的屏幕检测方法、装置和计算机设备
CN116456187A (zh) * 2023-04-21 2023-07-18 闻泰通讯股份有限公司 聚焦值计算方法、装置、设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN211403010U (zh) * 2020-07-29 2020-09-01 武汉精立电子技术有限公司 显示面板异物定位装置
JP2022066637A (ja) * 2020-10-19 2022-05-02 日立交通テクノロジー株式会社 異物検出装置、異物検出システム、異物検出方法
CN112394064A (zh) * 2020-10-22 2021-02-23 惠州高视科技有限公司 一种屏幕缺陷检测的点线测量方法
WO2022116109A1 (en) * 2020-12-03 2022-06-09 Boe Technology Group Co., Ltd. Computer-implemented method for defect analysis, apparatus for defect analysis, computer-program product, and intelligent defect analysis system
WO2022126871A1 (en) * 2020-12-15 2022-06-23 Vomma (Shanghai) Technology Co., Ltd. Defect layer detection method and system based on light field camera and detection production line
CN114663356A (zh) * 2022-02-28 2022-06-24 东莞市德普特电子有限公司 手机屏幕模组检测内部暗点与表面灰尘区分方法及其系统
CN115222728A (zh) * 2022-08-19 2022-10-21 苏州华兴源创科技股份有限公司 基于视觉技术的屏幕检测方法、装置和计算机设备
CN115187593A (zh) * 2022-09-08 2022-10-14 苏州华兴源创科技股份有限公司 屏幕缺陷检测方法和装置
CN116456187A (zh) * 2023-04-21 2023-07-18 闻泰通讯股份有限公司 聚焦值计算方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
液晶显示屏背光源模组表面缺陷自动光学检测系统设计;史艳琼等;传感技术学报;第28卷(第5期);第768-773页 *

Also Published As

Publication number Publication date
CN116912475A (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
US8350905B2 (en) Microscope system, image generating method, and program for practicing the same
CN111415329B (zh) 一种基于深度学习的工件表面缺陷检测方法
US9305343B2 (en) Observation device and observation method
CN111951253B (zh) 用于锂电池表面缺陷检测的方法、设备及可读存储介质
US20150003740A1 (en) Image processing device, method of controlling image processing device, and program for enabling computer to execute same method
JP2024509411A (ja) 欠陥検出方法、装置及びシステム
GB2607749A (en) Fine-grained visual recognition in mobile augmented reality
CN116912475B (zh) 一种显示屏异物检测方法、装置、电子设备和存储介质
CN110488481A (zh) 一种显微镜对焦方法、显微镜及相关设备
KR102084535B1 (ko) 결함 검사 장치, 결함 검사 방법
JPH10508709A (ja) カバースリップ接着剤中の気泡を検出するための装置
KR20090090333A (ko) 초점 조력 시스템 및 방법
CN111292228A (zh) 镜头缺陷检测方法
CN113362441B (zh) 三维重建方法、装置、计算机设备和存储介质
US6993187B2 (en) Method and system for object recognition using fractal maps
CN116385430A (zh) 一种机器视觉瑕疵检测方法、装置、介质及设备
CN115937147B (zh) 缺陷检测参数的确定方法、装置、设备及存储介质
CN116503388A (zh) 缺陷检测方法、装置及存储介质
CN114219758A (zh) 缺陷检测方法、系统、电子设备和计算机可读存储介质
CN112595496A (zh) 近眼显示设备的不良检测方法、装置、设备及存储介质
CN117392127B (zh) 一种显示面板边框的检测方法、装置和电子设备
US20120249837A1 (en) Methods and Systems for Real-Time Image-Capture Feedback
CN110717910B (zh) 基于卷积神经网络的ct图像目标检测方法及ct扫描仪
US20060126136A1 (en) Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium
CN110378271A (zh) 一种基于质量维度评估参量的步态识别设备筛选方法

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