TW201702586A - 光學薄膜缺陷辨識方法及其系統 - Google Patents
光學薄膜缺陷辨識方法及其系統 Download PDFInfo
- Publication number
- TW201702586A TW201702586A TW104121760A TW104121760A TW201702586A TW 201702586 A TW201702586 A TW 201702586A TW 104121760 A TW104121760 A TW 104121760A TW 104121760 A TW104121760 A TW 104121760A TW 201702586 A TW201702586 A TW 201702586A
- Authority
- TW
- Taiwan
- Prior art keywords
- defect
- value
- pixels
- optical film
- gray level
- Prior art date
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本發明揭露一種光學薄膜缺陷辨識方法及其系統,其包含由光學感測器檢測光學薄膜之影像,經由亮度均化、增強對比度、濾除雜訊、影像平滑化及二值化處理等步驟後轉換成乾淨偵測影像。乾淨偵測影像中像素點與周圍像素點之空間相對關係,轉換成空間關係序列樣型,與不同類型之缺陷特徵序列樣型比較後,辨識光學薄膜之缺陷為點缺陷、缺料缺陷或是波紋缺陷。
Description
本發明是關於一種光學薄膜缺陷辨識方法及其系統,特別是關於一種針對光學薄膜製程之自動化檢測及偵測影像之處理分析,利用與缺陷特徵模型進行比對,判斷光學薄膜所屬之缺陷類型。
在利用各種光電材料製作光學薄膜的製程當中,多會在製程當中或後端配置檢測人員,針對薄膜外觀進行目檢,判斷製造出來之產品是否符合製程標準,有經驗的檢測人員能分辨缺陷類別並分析形成原因,進而對前端製程進行必要之調整。但此人工檢測方式不但人員養成不易,在判斷的準則上也容易因人而異,再者作業人員長時間的觀看相似薄膜外觀,也可能因為疲勞而造成檢測上的疏失。
為改善人工檢測的缺點,已有利用自動化的檢測裝置,拍攝光學薄膜之影像後,藉由影像之分析來判斷光學薄膜是否具有缺陷。常見的分析方式,是先偵測光學薄膜的影像,再與已知的缺陷圖樣進行比對,判斷是否具有缺陷或是屬於何種缺陷。在此種檢測方式下,若欲利用電腦進行自動化檢測,資料庫內必須事先建立大量的缺陷類型圖樣,才能與偵測到之影像進行比對。但缺陷類型圖樣依照缺陷種類、缺陷發生位置、缺陷方向等可能有大量相似或變形的圖樣,不但比對大量資料需要耗費時間,檢測影像些微的差異也可能形成首次出現之圖樣而造成誤判。因此,目前對於光學薄膜之自動化檢測方式,並無法迅速及正確的判斷各種缺陷的類型。
有鑑於此,如何設計一種能行自動化檢測及缺陷辨識之方法及系統,增加辨識之效率及準確性,將是光學薄膜製造廠商所希望達成之目標。因此,本發明之發明人思索並設計一種光學薄膜缺陷辨識方法及其系統,針對現有技術之缺失加以改善,進而增進產業上之實施利用。
有鑑於上述習知技藝之問題,本發明之目的就是在提供一種光學薄膜缺陷辨識方法及其系統,以解決習知之缺陷辨識方法辨識效率低且辨識準確率低之問題。
根據本發明之一目的,提出一種光學薄膜缺陷辨識方法,其包含下列步驟:利用光學檢測器直線掃描光學薄膜每一行之亮度值,由處理器計算所有行之亮度平均值,對應光學薄膜每一行取得亮度權重值,將光學薄膜之複數個像素點乘以對應之亮度權重值,形成亮度均化影像;藉由光學檢測器檢測亮度均化影像,取得複數個像素點之灰階值,由處理器統計灰階值出現之次數,利用灰階直方圖展開方式將灰階值轉換成對應之灰階級數值,形成增強對比影像;藉由處理器找出增強對比影像之複數個像素點周圍區域之灰階級數值,利用斷開方式或閉合方式來取代複數個像素點之灰階級數值,形成濾除雜訊影像;藉由處理器找出濾除雜訊影像之複數個像素點周圍區域之灰階級數值,將灰階級數值排序後以中間值取代複數個像素點之灰階級數值,形成平滑化影像;經由處理器將平滑化影像當中複數個像素點之灰階級數值與門檻值比較,以二值化劃分成為黑色之缺陷部分及白色之無缺陷部分,形成乾淨偵測影像;利用處理器統計乾淨偵測影像當中複數個像素點與相隔間隔距離之相鄰像素點之間之相對關係,計算在不同之間隔距離下,相對關係之特徵值,形成具有間隔距離與特徵值之空間關係序列樣型;以及藉由處理器比對空間關係序列樣型與記憶體中儲存之缺陷特徵序列樣型,判斷光學薄膜所屬之缺陷類型。
較佳地,缺陷類型可包含點缺陷、波紋缺陷或缺料缺陷。
較佳地,灰階直方圖展開方式可利用以下公式轉換複數個像素點之灰階值:其中,為轉換後之灰階級數值;為灰階值v
出現之次數;為灰階值中出現最少之次數;為亮度均化影像之像素數量;L
為影像之灰階級數。
較佳地,斷開方式可先以侵蝕方式將複數個像素點周圍之最小灰階級數值取代複數個像素點之灰階級數值,再以膨脹方式將複數個像素點周圍之最大灰階級數值取代複數個像素點之灰階級數值。
較佳地,閉合方式可先以膨脹方式將複數個像素點周圍之最大灰階級數值取代複數個像素點之灰階級數值,再以侵蝕方式將複數個像素點周圍之最小灰階級數值取代複數個像素點之灰階級數值。
較佳地,門檻值可藉由以下公式取得:其中,T
為門檻值;、為以t為閥值時,正常像素點及缺陷像素點之灰階級數值之平均比重;、為以t為閥值時,正常像素點及缺陷像素點之灰階級數值之變異量。
較佳地,相對關係可為兩像素點之間為無缺陷到無缺陷、無缺陷到缺陷、缺陷到無缺陷或缺陷到缺陷之對應關係。
較佳地,特徵值可利用以下公式計算:其中,為特徵值;為複數個像素點在間隔距離為時,相對關係為無缺陷到無缺陷與無缺陷到缺陷之數量總和;為複數個像素點在間隔距離為時,所有相對關係之數量總和;為缺陷之像素點占總面積之比例;為無缺陷之像素點占總面積之比例。
較佳地,空間關係序列樣型與缺陷特徵序列樣型可利用動態時間校正方式進行比對,藉此辨識光學薄膜之缺陷類型。
根據本發明之另一目的,提出一種光學薄膜缺陷辨識系統,其包含光學檢測器、記憶體以及處理器。其中,光學檢測器檢測光學薄膜每一行之亮度值及光學薄膜之複數個像素點之灰階值。記憶體儲存缺陷特徵序列樣型及演算法,演算法包含下列步驟:計算光學薄膜所有行之亮度平均值,對應光學薄膜每一行取得亮度權重值,將光學薄膜之複數個像素點乘以對應之亮度權重值,形成亮度均化影像;取得亮度均化影像中複數個像素點之灰階值,統計灰階值出現之次數,利用灰階直方圖展開方式將灰階值轉換成對應之灰階級數值,形成增強對比影像;找出增強對比影像之複數個像素點周圍區域之灰階級數值,利用斷開方式或閉合方式來取代複數個像素點之灰階級數值,形成濾除雜訊影像;找出濾除雜訊影像之複數個像素點周圍區域之灰階級數值,將灰階級數值排序後以中間值取代複數個像素點之灰階級數值,形成平滑化影像;將平滑化影像當中複數個像素點之灰階級數值與門檻值比較,以二值化劃分成為黑色之缺陷部分及白色之無缺陷部分,形成乾淨偵測影像;統計乾淨偵測影像當中複數個像素點與相隔間隔距離之相鄰像素點之間之相對關係,計算在不同之間隔距離下,相對關係之特徵值,形成具有間隔距離與特徵值之空間關係序列樣型;以及比對空間關係序列樣型與缺陷特徵序列樣型,判斷光學薄膜所屬之缺陷類型。處理器連接於光學檢測器及記憶體,接收光學檢測器偵測之影像,執行演算法以取得光學薄膜所屬之缺陷類型。
承上所述,依本發明之光學薄膜缺陷辨識方法及其系統,其可具有一或多個下述優點:
(1) 此光學薄膜缺陷辨識方法及其系統能偵測光學薄膜之影像,自動辨識光學薄膜是否具有缺陷,減少人工檢測耗費之人力與時間,提高缺陷辨識速度。
(2) 此光學薄膜缺陷辨識方法及其系統藉由空間關係序列樣型與不同缺陷類型序列樣型之比對,判斷光學薄膜偵測之影像是屬於點缺陷、缺料缺陷或是波紋缺陷,減少大量比對歷史圖樣之浪費,且提升缺陷種類辨識之準確性。
(3) 此光學薄膜缺陷辨識方法及其系統能藉由一致性的缺陷判斷標準,正確辨識缺陷的種類,進而讓產線能依照缺陷類型提供對應之調整,進而提升生產良率,降低缺陷發生之機率。
為利貴審查委員瞭解本發明之技術特徵、內容與優點及其所能達成之功效,茲將本發明配合附圖,並以實施例之表達形式詳細說明如下,而其中所使用之圖式,其主旨僅為示意及輔助說明書之用,未必為本發明實施後之真實比例與精準配置,故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍,合先敘明。
請參閱第1圖,其係為本發明之光學薄膜缺陷辨識方法之流程圖。如圖所示,光學薄膜缺陷辨識方法包含步驟S1~S7,係將光學薄膜A經光學感測器檢測之資料輸入後,經由處理器進行步驟S1至步驟S7之分析後,判斷光學薄膜A所屬之缺陷類型R,以提供生產單位是否有不良品產生,以及不良品缺陷之類型為何,讓產線人員或操作人員能依照缺陷類型來調整製造機台,避免同樣缺陷再度發生。這裡所檢測之光學薄膜,可以是一種光學擴散板,應用在薄膜電晶體液晶顯示器(TFT-LCD)之背光源模組或照明燈具燈罩上,主要材質為塑料材質,但本發明不以此為限,任何由光電材料所製成之薄膜,須檢測表面是否具缺陷之光學薄膜,均包含於本發明之缺陷辨識方法當中。而缺陷類型R主要包含無缺陷R1、點缺陷R2、缺料缺陷R3以及波紋缺陷R4,以下將進一步說明光學薄膜缺陷辨識方法相關步驟(S1~S7)之詳細內容。
步驟S1:亮度均化。利用光學檢測器直線掃描光學薄膜每一列之亮度值,由處理器計算所有列之亮度平均值,對應光學薄膜每一行取得亮度權重值,將光學薄膜之複數個像素點乘以對應之亮度權重值,形成亮度均化影像。請參閱第2圖,其係為本發明之光學薄膜缺陷辨識方法之亮度均化之示意圖。如圖所示,光學薄膜可為長條型之擴散板,其具有i
列及j
行所形成之i
×j
個像素點。在利用光學檢測器檢測擴散板表面時,如相機、攝影機、掃描器等光學檢測器都需要照明來取得清楚的初始影像10a,但若是遇到如圖之長條型薄膜,當照明設於中央區域時,擴散板兩端可能會有較暗的區塊,如最左側像素行10a1
之亮度較像素行10a2
暗,像素行10a2
之亮度又較像素行10a3
暗。此時,針對每一像素行10a1
~10a j
計算平均亮度Avgj
,將所有行之平均亮度加總後計算出總平均亮度Avgall
,由總平均亮度Avgall
除以每一行之平均亮度Avgj
,得到每一行之亮度權重值Ω j
,最後將每一個像素點乘上對應行之亮度權重值Ω j
,將原始影像10a轉換成亮度均化影像10b。此亮度均化影像10b在後續分析時,不會因為不同區塊亮度之差異造成缺陷之誤判。
步驟S2:增強對比度。藉由光學檢測器檢測亮度均化影像,取得複數個像素點之灰階值,由處理器統計灰階值出現之次數,利用灰階直方圖展開方式將灰階值轉換成對應之灰階級數值,形成增強對比影像。請參閱第3圖,其係為本發明之光學薄膜缺陷辨識方法之增強對比度之示意圖。如圖所示,經過前一步驟調整亮度後之亮度均化影像10c,可利用光學檢測器取得每一像素之灰階值,但光學薄膜上之缺陷,如亮度均化影像10c之黑點,可能與背景之顏色相似,因此必須強化缺陷部分與背景正常部分之對比以凸顯真正之缺陷。本實施例是利用灰階直方圖展開方式,轉換偵測影像之灰階值,如圖所示,原本的亮度均化影像10c,將偵測到之灰階值出現次數加以統計後,可製得灰階級數直方圖10d,此處灰階影像為8位元(8-bit),因此灰階級數為28
=256。
圖中,由於背景與缺陷部分灰階值接近,因此灰階級數直方圖10d中,灰階極數值集中於90至100之間而不易區分。為此,利用下列轉換公式(1),可將原本集中之背景灰階值與缺陷灰階值展開:
(1)
其中,為轉換後之灰階級數值;為灰階值v
出現之次數;為灰階值中出現最少之次數;為亮度均化影像之像素數量;L
為影像之灰階級數,此處為256。經由轉換後,將灰階值展開形成增強對比後之灰階級數直方圖10e,原本最低灰階值90轉換成灰階級數值0,最高灰階值100轉換成灰階級數值255,將每一像素點之原本灰階值轉換成灰階級數值後,形成增強對比影像10f。增強對比影像10f可凸顯缺陷與背景間之差異,讓後續分析像素為正常或缺陷時更為準確。
步驟S3:濾除雜訊。藉由處理器找出增強對比影像之複數個像素點周圍區域之灰階級數值,利用斷開方式或閉合方式來取代複數個像素點之灰階級數值,形成濾除雜訊影像。經過前兩步驟凸顯缺陷後,原本影像當中部必要之雜訊也隨之被凸顯,為避免雜訊影響判斷結果,必須將雜訊濾除,留下檢測目標。本實施例將增強對比影像中每一像素點作為一個3×3矩陣之中心,將周圍8個像素點之灰階級數值作為候選值,利用斷開或閉合之方式以候選值其中之一取代原本像素點之灰階級數值,形成濾除雜訊之影像。
請參閱第4圖,其係為本發明之光學薄膜缺陷辨識方法之濾除雜訊之示意圖,如圖所示,點缺陷之增強對比影像20a,經過閉合方式取代後形成濾除雜訊影像20b;而波紋缺陷之增強對比影像20c,經過斷開方式取代後形成濾除雜訊影像20b。在本實施例中,閉合方式是先以膨脹方式將每個像素點周圍候選值中之最大灰階級數值,取代像素點原本之灰階級數值,重複三次後,再以侵蝕方式將每個像素點周圍候選值中之最小灰階級數值取代像素點之灰階級數值。反之,斷開方式則是先以侵蝕方式取代三次後,再以膨脹方式取代一次。取代的次數不以本實施例所述為限,可視光學薄膜影像特性來加以調整。膨脹方式的效果是使影像中白色區域增強,黑色雜訊被取代,僅留下缺陷部分,而侵蝕方式則是適用於缺陷顏色較淺或白色之波紋,侵蝕整張影像白色部分使缺陷更明顯,因此波紋缺陷適合以斷開方式取代,點缺陷或缺料缺陷則適用於閉合方式。
步驟S4:影像平滑化。藉由處理器找出濾除雜訊影像之複數個像素點周圍區域之灰階級數值,將灰階級數值排序後以中間值取代複數個像素點之灰階級數值,形成平滑化影像。經由上述濾除雜訊步驟取得之濾除雜訊影像,可能會存在微小的雜訊,因此利用中值濾波方式進一步將其濾除,形成平滑化影像。中值濾波方式同樣將每一像素點作為一個3×3矩陣之中心,將周圍8個像素點之灰階級數值與本身之灰階級數值進行排序,選擇中間值來取代像素點之灰階級數值,進而形成平滑化影像。
步驟S5:二值化處理。經由處理器將平滑化影像當中複數個像素點之灰階級數值與門檻值比較,以二值化劃分成為黑色之缺陷部分及白色之無缺陷部分,形成乾淨偵測影像。請參閱第5圖,其係為本發明之光學薄膜缺陷辨識方法之二值化處理之示意圖,如圖所示,經由前述步驟取得之平滑化影像30a,將每個像素點之灰階級數值與門檻值進行比較,若灰階級數值小於門檻值,則將灰階級數值轉換成0(白色),若灰階級數值大於或等於門檻值,則將灰階級數值轉換成255(黑色),因而形成僅有黑色之缺陷部分及白色之無缺陷部分之乾淨偵測影像30b。
以往,門檻值之設定均為固定值,但針對不同時間或機台檢測之影像可能有些許差異,因此本實施例可進一步利用動態調整方式決定門檻值,利用Otsu自動門檻值決定法來取得較佳之門檻值,其計算方式包含公式(2)。
(2)
其中,T
為門檻值;、為以t為閥值時,正常像素點及缺陷像素點之灰階級數值之平均比重;、為以t為閥值時,正常像素點及缺陷像素點之灰階級數值之變異量。在大量影像偵測資料匯入系統時,利用不同之閥值作為預設之門檻值,計算以此閥值為準時,區隔出來兩個類別內資料之變異量分別為何,以變異量最小之閥值作為門檻值與像素點之灰階級數值比較,劃分正常部分與缺陷部分。
步驟S6:空間關係轉換。利用處理器統計乾淨偵測影像當中複數個像素點與相隔間隔距離之相鄰像素點之間之相對關係,計算在不同之間隔距離下,相對關係之特徵值,形成具有間隔距離與特徵值之空間關係序列樣型。一般在取得乾淨偵測影像後,大多是直接與歷史資料比對,判斷影像中缺陷之類型,但此方式不但耗費比對時間,準確率也較低。因此本實施例利用每一個像素點與其他像素點之間空間的相對關係,傳換成可進行比對之序列樣型,讓缺陷類型判斷更為迅速及精準。請參閱第6圖,其係為本發明之光學薄膜缺陷辨識方法之空間關係轉換之示意圖,先將影像當中之像素點轉換成0(正常)與1(缺陷)之陣列,以King-move方式計算每一像素點與周圍像素點之關係。如統計表40a當中,統計像素點與其他像素點之間之距離關係與相對關係之次數,Lag1代表與像素點間隔距離為一像素點、Lag2代表與像素點間隔距離為兩像素點、後續依此類推。C00、C01、C10、C11則分別代表像素點與周圍的相對關係,分別為無缺陷到無缺陷(C00)、無缺陷到缺陷(C01)、缺陷到無缺陷(C10)或缺陷到缺陷(C11)。再以公式(3)計算不同之間隔距離下,相對關係之特徵值。
(3)
其中,為特徵值;為複數個像素點在間隔距離為時,相對關係為C00與C01之數量總和;為複數個像素點在間隔距離為時,四種相對關係之數量總和;為缺陷之像素點占總面積之比例;為無缺陷之像素點占總面積之比例。由上述公式可算出不同間隔距離時,空間相對關係之特徵值,形成具有間隔距離與特徵值之空間關係序列樣型40b,以此進行後續之比對。
步驟S7:序列樣型比對。藉由處理器比對空間關係序列樣型與記憶體中儲存之缺陷特徵序列樣型,判斷光學薄膜所屬之缺陷類型。點缺陷、波紋缺陷及缺料缺陷在偵測影像轉換後,都具有不同之特徵序列,因此每個偵測影像所得到空間關係序列樣型,在與記憶體中儲存的各種缺陷類型的序列樣型進行比對後,即可判斷偵測結果為點缺陷、波紋缺陷或是缺料缺陷,依照不同缺陷發生之原因,調整生產前端之機台設定,或是製造參數設定,避免同樣缺陷重複發生。在進行比對時,由於空間關係序列樣型在不同機台或不同偵測參數的設定下,序列可能有所偏移,因此可利用動態時間校正方式,將計算所得到之空間關係序列樣型,配對到最適當之缺陷特徵序列樣型,進而找出最符合之缺陷類型。
請參閱第7圖,其係為本發明之光學薄膜缺陷辨識系統之示意圖。圖中,光學薄膜缺陷辨識系統包含光學檢測器50、記憶體51以及處理器52,其中光學檢測器50連接於記憶體51,其可包含相機、攝影機或掃描器等光學檢測設備,藉由光學檢測器50檢測光學薄膜500,取得光學薄膜500表面之原始偵測影像。記憶體51當中則儲存各種缺陷類型所形成的缺陷特徵序列樣型510,此缺陷特徵序列樣型510係由歷史資料計算後形成之比對標準,可依後續檢測結果來對其進行調整,以更為符合實際檢測之狀況。此外,記憶體51還儲存了光學薄膜缺陷辨識之演算法,其包含前述實施例之光學薄膜缺陷辨識方法,在取得原始偵測影像後,處理器52即依此演算法來執行辨識之步驟,分析光學薄膜500是否具有缺陷。其中,處理器52可利用亮度均化之步驟將光學薄膜500之影像轉換成亮度均化影像520,再利用增強對比度之步驟轉換成增強對比影像521,前述兩演算步驟是為了凸顯影像中之缺陷。增強對比影像521當中同樣被加強之雜訊,再經由濾除雜訊之步驟形成濾除雜訊影像522,並進一步由影像平滑化之步驟形成平滑化影像523。此時,處理器52將平滑化影像523當中各個像素點之灰階級數值與門檻值比對,以二值化方式將影像劃分為黑與白之乾淨偵測影像524,即當中僅具有黑色之缺陷部分及白色之正常背景部分。轉換過後之乾淨偵測影像524,進行空間關係的轉換步驟,將影像轉換成空間關係序列樣型525,最後在與記憶體51中儲存之缺陷特徵序列樣型510進行比對,判斷光學薄膜500所屬之缺陷類型,例如無缺陷、點缺陷、缺料缺陷或是波紋缺陷。處理器52演算之結果,可由輸出裝置呈現,例如LCD、LED、OLED顯示螢幕,或者輸出裝置可為有線或無線的網路傳輸器,將評估結果傳送到機台或產線之操作管理人員,通知相關人員針對不同種類之缺陷進行必要之調整,以取得較佳之製程良率,減少不良品產出之機率。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
10a‧‧‧初始影像
10a1、10a2、10a3‧‧‧像素行
10b、10c、520‧‧‧亮度均化影像
10d、10e‧‧‧灰階級數直方圖
10f、20a、20c、521‧‧‧增強對比影像
20b、20d、522‧‧‧濾除雜訊影像
30a、523‧‧‧平滑化影像
30b、524‧‧‧乾淨偵測影像
40a‧‧‧統計表
40b、525‧‧‧空間關係序列樣型
50‧‧‧光學檢測器
51‧‧‧記憶體
52‧‧‧處理器
500‧‧‧光學薄膜
510‧‧‧缺陷特徵序列樣型
A‧‧‧光學薄膜
R‧‧‧缺陷類型
R1‧‧‧無缺陷
R2‧‧‧點缺陷
R3‧‧‧缺料缺陷
R4‧‧‧波紋缺陷
S1~S7‧‧‧步驟
10a1、10a2、10a3‧‧‧像素行
10b、10c、520‧‧‧亮度均化影像
10d、10e‧‧‧灰階級數直方圖
10f、20a、20c、521‧‧‧增強對比影像
20b、20d、522‧‧‧濾除雜訊影像
30a、523‧‧‧平滑化影像
30b、524‧‧‧乾淨偵測影像
40a‧‧‧統計表
40b、525‧‧‧空間關係序列樣型
50‧‧‧光學檢測器
51‧‧‧記憶體
52‧‧‧處理器
500‧‧‧光學薄膜
510‧‧‧缺陷特徵序列樣型
A‧‧‧光學薄膜
R‧‧‧缺陷類型
R1‧‧‧無缺陷
R2‧‧‧點缺陷
R3‧‧‧缺料缺陷
R4‧‧‧波紋缺陷
S1~S7‧‧‧步驟
第1圖係為本發明之光學薄膜缺陷辨識方法之流程圖。
第2圖係為本發明之光學薄膜缺陷辨識方法之亮度均化之示意圖。
第3圖係為本發明之光學薄膜缺陷辨識方法之增強對比度之示意圖。
第4圖係為本發明之光學薄膜缺陷辨識方法之濾除雜訊之示意圖。
第5圖係為本發明之光學薄膜缺陷辨識方法之二值化處理之示意圖。
第6圖係為本發明之光學薄膜缺陷辨識方法之空間關係轉換之示意圖。
第7圖係為本發明之光學薄膜缺陷辨識系統之示意圖。
A‧‧‧光學薄膜
R‧‧‧缺陷類型
R1‧‧‧無缺陷
R2‧‧‧點缺陷
R3‧‧‧缺料缺陷
R4‧‧‧波紋缺陷
S1~S7‧‧‧步驟
Claims (10)
- 一種光學薄膜缺陷辨識方法,其包含下列步驟: 利用一光學檢測器直線掃描一光學薄膜每一行之一亮度值,由一處理器計算所有行之一亮度平均值,對應該光學薄膜每一行取得一亮度權重值,將該光學薄膜之複數個像素點乘以對應之該亮度權重值,形成一亮度均化影像; 藉由該光學檢測器檢測該亮度均化影像,取得該複數個像素點之一灰階值,由該處理器統計該灰階值出現之次數,利用一灰階直方圖展開方式將該灰階值轉換成對應之一灰階級數值,形成一增強對比影像; 藉由該處理器找出該增強對比影像之該複數個像素點周圍區域之該灰階級數值,利用一斷開方式或一閉合方式來取代該複數個像素點之該灰階級數值,形成一濾除雜訊影像; 藉由該處理器找出該濾除雜訊影像之該複數個像素點周圍區域之該灰階級數值,將該灰階級數值排序後以一中間值取代該複數個像素點之該灰階級數值,形成一平滑化影像; 經由該處理器將該平滑化影像當中該複數個像素點之該灰階級數值與一門檻值比較,以二值化劃分成為黑色之一缺陷部分及白色之一無缺陷部分,形成一乾淨偵測影像; 利用該處理器統計該乾淨偵測影像當中該複數個像素點與相隔一間隔距離之相鄰像素點之間之一相對關係,計算在不同之該間隔距離下,該相對關係之一特徵值,形成具有該間隔距離與該特徵值之一空間關係序列樣型;以及 藉由該處理器比對該空間關係序列樣型與一記憶體中儲存之一缺陷特徵序列樣型,判斷該光學薄膜所屬之一缺陷類型。
- 如申請專利範圍第1項所述之光學薄膜缺陷辨識方法,其中該缺陷類型包含點缺陷、波紋缺陷或缺料缺陷。
- 如申請專利範圍第1項所述之光學薄膜缺陷辨識方法,其中該灰階直方圖展開方式係利用以下公式轉換該複數個像素點之該灰階值:其中,為轉換後之該灰階級數值;為灰階值v 出現之次數;為灰階值中出現最少之次數;為該亮度均化影像之像素數量;L 為影像之灰階級數。
- 如申請專利範圍第1項所述之光學薄膜缺陷辨識方法,其中該斷開方式係先以一侵蝕方式將該複數個像素點周圍之一最小灰階級數值取代該複數個像素點之該灰階級數值,再以一膨脹方式將該複數個像素點周圍之一最大灰階級數值取代該複數個像素點之該灰階級數值。
- 如申請專利範圍第1項所述之光學薄膜缺陷辨識方法,其中該閉合方式係先以一膨脹方式將該複數個像素點周圍之一最大灰階級數值取代該複數個像素點之該灰階級數值,再以一侵蝕方式將該複數個像素點周圍之一最小灰階級數值取代該複數個像素點之該灰階級數值。
- 如申請專利範圍第1項所述之光學薄膜缺陷辨識方法,其中該門檻值係藉由以下公式取得:其中,T 為該門檻值;、為以t為閥值時,正常像素點及缺陷像素點之灰階級數值之平均比重;、為以t為閥值時,正常像素點及缺陷像素點之灰階級數值之變異量。
- 如申請專利範圍第1項所述之光學薄膜缺陷辨識方法,其中該相對關係為兩像素點之間為無缺陷到無缺陷、無缺陷到缺陷、缺陷到無缺陷或缺陷到缺陷之對應關係。
- 如申請專利範圍第7項所述之光學薄膜缺陷辨識方法,其中該特徵值係利用以下公式計算:其中,為該特徵值;為該複數個像素點在該間隔距離為時,該相對關係為無缺陷到無缺陷與無缺陷到缺陷之數量總和;為該複數個像素點在該間隔距離為時,所有該相對關係之數量總和;為缺陷之像素點占總面積之比例;為無缺陷之像素點占總面積之比例。
- 如申請專利範圍第1項所述之光學薄膜缺陷辨識方法,其中該空間關係序列樣型與該缺陷特徵序列樣型係利用一動態時間校正方式進行比對,藉此辨識該光學薄膜之該缺陷類型。
- 一種光學薄膜缺陷辨識系統,其包含: 一光學檢測器,係檢測一光學薄膜每一行之一亮度值及該光學薄膜之複數個像素點之一灰階值; 一記憶體,係儲存一缺陷特徵序列樣型及一演算法,該演算法包含下列步驟: 計算該光學薄膜所有行之一亮度平均值,對應該光學薄膜每一行取得一亮度權重值,將該光學薄膜之該複數個像素點乘以對應之該亮度權重值,形成一亮度均化影像; 取得該亮度均化影像中該複數個像素點之該灰階值,統計該灰階值出現之次數,利用一灰階直方圖展開方式將該灰階值轉換成對應之一灰階級數值,形成一增強對比影像; 找出該增強對比影像之該複數個像素點周圍區域之該灰階級數值,利用一斷開方式或一閉合方式來取代該複數個像素點之該灰階級數值,形成一濾除雜訊影像; 找出該濾除雜訊影像之該複數個像素點周圍區域之該灰階級數值,將該灰階級數值排序後以一中間值取代該複數個像素點之該灰階級數值,形成一平滑化影像; 將該平滑化影像當中該複數個像素點之該灰階級數值與一門檻值比較,以二值化劃分成為黑色之一缺陷部分及白色之一無缺陷部分,形成一乾淨偵測影像; 統計該乾淨偵測影像當中該複數個像素點與相隔一間隔距離之相鄰像素點之間之一相對關係,計算在不同之該間隔距離下,該相對關係之一特徵值,形成具有該間隔距離與該特徵值之一空間關係序列樣型;以及 比對該空間關係序列樣型與該缺陷特徵序列樣型,判斷該光學薄膜所屬之一缺陷類型;以及 一處理器,係連接於該光學檢測器及該記憶體,接收該光學檢測器偵測之影像,執行該演算法以取得該光學薄膜所屬之一缺陷類型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104121760A TWI603074B (zh) | 2015-07-03 | 2015-07-03 | 光學薄膜缺陷辨識方法及其系統 |
US14/966,479 US9582872B2 (en) | 2015-07-03 | 2015-12-11 | Optical film defect detection method and system thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104121760A TWI603074B (zh) | 2015-07-03 | 2015-07-03 | 光學薄膜缺陷辨識方法及其系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201702586A true TW201702586A (zh) | 2017-01-16 |
TWI603074B TWI603074B (zh) | 2017-10-21 |
Family
ID=57684331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104121760A TWI603074B (zh) | 2015-07-03 | 2015-07-03 | 光學薄膜缺陷辨識方法及其系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9582872B2 (zh) |
TW (1) | TWI603074B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI629665B (zh) * | 2017-11-24 | 2018-07-11 | 住華科技股份有限公司 | 缺陷檢查方法及缺陷檢測系統 |
TWI737375B (zh) * | 2020-07-01 | 2021-08-21 | 力晶積成電子製造股份有限公司 | 缺陷辨識方法以及影像分析系統 |
TWI765720B (zh) * | 2021-05-24 | 2022-05-21 | 中國鋼鐵股份有限公司 | 用於偵測輸送帶系統的溫度的方法及系統 |
CN116091500A (zh) * | 2023-04-07 | 2023-05-09 | 成都数之联科技股份有限公司 | 扩散板缺陷检测方法、模型训练方法、装置、设备和介质 |
TWI802873B (zh) * | 2021-04-26 | 2023-05-21 | 威盛電子股份有限公司 | 透明基板薄膜的瑕疵檢測方法及其系統 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3239929B1 (en) * | 2016-04-27 | 2019-06-12 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method and program |
JP6665873B2 (ja) * | 2017-03-29 | 2020-03-13 | 株式会社デンソー | 光検出器 |
CN109919897A (zh) * | 2017-12-12 | 2019-06-21 | 湖北嘉一三维高科股份有限公司 | 一种颜面部术后效果评估系统 |
KR102576277B1 (ko) * | 2018-05-02 | 2023-09-08 | 삼성디스플레이 주식회사 | 불량 검출 장치 및 방법 |
CN109146853B (zh) * | 2018-07-31 | 2022-07-01 | 贵州大学 | 基于his不同光学特性的桥梁麻面缺陷检测方法 |
CN109671078B (zh) * | 2018-12-24 | 2022-11-01 | 广东理致技术有限公司 | 一种产品表面图像异常检测方法及装置 |
CN109978824B (zh) * | 2019-02-19 | 2023-07-07 | 深圳大学 | 一种透明薄膜缺陷形态测量方法及系统 |
CN110211107A (zh) * | 2019-05-28 | 2019-09-06 | 太原理工大学 | 一种基于双波段红外图像的矿用胶带损伤检测方法 |
CN110338170B (zh) * | 2019-06-01 | 2022-07-15 | 张霞 | 针对性现场配料系统 |
TWI783154B (zh) * | 2019-06-19 | 2022-11-11 | 住華科技股份有限公司 | 光學膜之缺陷判斷方法、缺陷判斷系統及使用其之切割系統 |
CN110942457B (zh) * | 2019-11-30 | 2023-12-08 | 天津大学 | 基于数字图像处理技术的太阳能电池板缺陷检测方法 |
CN110969620A (zh) * | 2019-12-19 | 2020-04-07 | 中国农业大学 | 一种磁瓦波纹类缺陷的检测方法及装置 |
CN111062939B (zh) * | 2019-12-31 | 2023-08-15 | 上海大学 | 一种带钢表面快速质量甄别与缺陷特征自动提取方法 |
CN111583157B (zh) * | 2020-05-13 | 2023-06-02 | 杭州睿琪软件有限公司 | 图像处理方法、系统及计算机可读存储介质 |
CN111667475B (zh) * | 2020-06-09 | 2023-04-18 | 陕西科技大学 | 一种基于机器视觉的大枣分级检测方法 |
CN111798449B (zh) * | 2020-09-09 | 2021-02-05 | 江苏恒力化纤股份有限公司 | 一种基于图像技术的喷丝板残留杂质检测方法 |
CN112348773B (zh) * | 2020-09-28 | 2022-09-23 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
CN113870233B (zh) * | 2021-09-30 | 2022-07-15 | 常州市宏发纵横新材料科技股份有限公司 | 一种捆绑纱检测方法、计算机设备及存储介质 |
CN114612385B (zh) * | 2022-01-31 | 2023-06-13 | 南通市通州区锦都拉链有限公司 | 一种基于模板匹配的拉链布边缺陷识别方法 |
CN115684176A (zh) * | 2022-10-24 | 2023-02-03 | 浙江荣图智能科技有限公司 | 一种薄膜表面缺陷在线视觉检测系统 |
CN115457037B (zh) * | 2022-11-10 | 2023-03-24 | 澳润(山东)药业有限公司 | 一种用于阿胶制品生产的原材料质检方法 |
CN115661136B (zh) * | 2022-12-12 | 2023-03-07 | 深圳宝铭微电子有限公司 | 一种碳化硅材质的半导体缺陷检测方法 |
CN115808382B (zh) * | 2023-02-02 | 2023-04-21 | 深圳裕典通微电子科技有限公司 | 一种应用于压力传感器的压电薄膜在线检测方法及系统 |
CN116309608B (zh) * | 2023-05-25 | 2023-08-04 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种应用超声图像的涂层缺陷检测方法 |
CN116612111B (zh) * | 2023-07-14 | 2023-09-22 | 城资泰诺(山东)新材料科技有限公司 | 一种高强度复合材料加工质量检测方法 |
CN117351001B (zh) * | 2023-11-16 | 2024-05-28 | 肇庆市大正铝业有限公司 | 一种再生铝合金模板表面缺陷识别方法 |
CN117893527B (zh) * | 2024-03-07 | 2024-05-28 | 江苏亿都智能特种装备有限公司 | 一种新能源储能箱体表面缺陷检测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0353409B1 (de) * | 1988-07-28 | 1994-07-06 | Oerlikon-Contraves AG | Automatische Helligkeits- und Kontrast-Steuerung einer Video-Kamera für industrielle/militärische Zwecke |
DE60106374T2 (de) * | 2000-12-06 | 2006-03-09 | Fuji Photo Film Co. Ltd., Minamiashigara | Optischer Diffusorfilm und Herstellungsverfahren dafür |
KR100550984B1 (ko) * | 2003-11-28 | 2006-02-13 | 삼성에스디아이 주식회사 | 플라즈마 디스플레이 패널의 구동 장치, 플라즈마디스플레이 패널의 화상 처리 방법 및 플라즈마디스플레이 패널 |
JP4799890B2 (ja) * | 2004-12-03 | 2011-10-26 | 日立プラズマディスプレイ株式会社 | プラズマディスプレイパネルの表示方法 |
JP2007071803A (ja) * | 2005-09-09 | 2007-03-22 | Hitachi High-Technologies Corp | 欠陥観察方法及びその装置 |
JP4737569B2 (ja) * | 2008-01-29 | 2011-08-03 | 日東電工株式会社 | 光学表示ユニットの製造方法および光学表示ユニットの製造システム |
DK2389670T3 (en) * | 2009-01-21 | 2019-01-07 | Guangdong Oppo Mobile Telecommunications Corp Ltd | DEVICE AND METHODS OF COLOR DISPLAYS |
EP2691933A1 (en) * | 2011-03-31 | 2014-02-05 | Sage Electrochromics, Inc. | System and method for detecting and repairing defects in an electrochromic device using thermal imaging |
JP2013160629A (ja) * | 2012-02-06 | 2013-08-19 | Hitachi High-Technologies Corp | 欠陥検査方法、欠陥検査装置、プログラムおよび出力部 |
US9325948B2 (en) * | 2012-11-13 | 2016-04-26 | Qualcomm Mems Technologies, Inc. | Real-time compensation for blue shift of electromechanical systems display devices |
TWI525317B (zh) * | 2013-10-08 | 2016-03-11 | 國立清華大學 | 整合影像分析與資料挖礦之自動光學檢測缺陷影像分類方法 |
-
2015
- 2015-07-03 TW TW104121760A patent/TWI603074B/zh not_active IP Right Cessation
- 2015-12-11 US US14/966,479 patent/US9582872B2/en not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI629665B (zh) * | 2017-11-24 | 2018-07-11 | 住華科技股份有限公司 | 缺陷檢查方法及缺陷檢測系統 |
CN108287165A (zh) * | 2017-11-24 | 2018-07-17 | 住华科技股份有限公司 | 缺陷检查方法及缺陷检测系统 |
TWI737375B (zh) * | 2020-07-01 | 2021-08-21 | 力晶積成電子製造股份有限公司 | 缺陷辨識方法以及影像分析系統 |
US11449983B2 (en) | 2020-07-01 | 2022-09-20 | Powerchip Semiconductor Manufacturing Corporation | Defect identification method and image analysis system |
TWI802873B (zh) * | 2021-04-26 | 2023-05-21 | 威盛電子股份有限公司 | 透明基板薄膜的瑕疵檢測方法及其系統 |
TWI765720B (zh) * | 2021-05-24 | 2022-05-21 | 中國鋼鐵股份有限公司 | 用於偵測輸送帶系統的溫度的方法及系統 |
CN116091500A (zh) * | 2023-04-07 | 2023-05-09 | 成都数之联科技股份有限公司 | 扩散板缺陷检测方法、模型训练方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
US9582872B2 (en) | 2017-02-28 |
US20170004612A1 (en) | 2017-01-05 |
TWI603074B (zh) | 2017-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI603074B (zh) | 光學薄膜缺陷辨識方法及其系統 | |
WO2007074770A1 (ja) | 画像解析によって欠陥検査を行う欠陥検査装置 | |
CN111047655A (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
WO2018010386A1 (zh) | 元件反件检测方法和系统 | |
CN109239073A (zh) | 一种用于汽车车身的表面缺陷检测方法 | |
CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN113034488A (zh) | 一种喷墨印刷品的视觉检测方法 | |
CN111665251A (zh) | 一种表面缺陷视觉检测方法 | |
CN110412055A (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
CN114266743A (zh) | 基于hsv和cnn的fpc缺陷检测方法、系统及存储介质 | |
KR101867015B1 (ko) | 글라스 결함 검사 장치, 검사 방법 및 검사 시스템 | |
CN110441321B (zh) | 基于分时曝光图像综合的透明材质内部缺陷检测方法 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN109870463B (zh) | 一种电子芯片故障检测装置 | |
CN117455917B (zh) | 一种蚀刻引线框架误报库建立及误报在线判定筛选方法 | |
CN117333467B (zh) | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法及系统 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
JP2005164565A (ja) | 低解像度および高解像度映像におけるフラットパネル用光関連板要素の欠陥検出方法 | |
CN114226262A (zh) | 瑕疵检测方法、瑕疵分类方法及其系统 | |
CN114820597B (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 | |
KR101993654B1 (ko) | 표시패널의 얼룩 검사 장치 및 그 방법 | |
KR102272745B1 (ko) | 컴팩트 카메라 모듈 덮개 외관 검사 시스템 및 방법 | |
TWI493177B (zh) | 一種檢測具週期性結構光學薄膜的瑕疵檢測方法及其檢測裝置 | |
JP4036048B2 (ja) | 欠陥識別方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |