TWI783154B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- TWI783154B TWI783154B TW108121331A TW108121331A TWI783154B TW I783154 B TWI783154 B TW I783154B TW 108121331 A TW108121331 A TW 108121331A TW 108121331 A TW108121331 A TW 108121331A TW I783154 B TWI783154 B TW I783154B
- Authority
- TW
- Taiwan
- Prior art keywords
- defect
- area
- value
- optical film
- gray scale
- Prior art date
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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
缺陷判斷方法包括以下步驟。首先,擷取光學膜之側面之圖像,圖像包含光學膜影像區及背景區。然後,取得光學膜影像區之一邊界基準線,圖像中位於邊界基準線上方的面積為基準背景面積。然後,取得基準背景面積相對於背景區之背景區面積的面積差值。然後,依據面積差值,判斷光學膜之缺陷之類型。
Description
本發明是有關於一種缺陷判斷方法、缺陷判斷系統及使用其之切割系統,且特別是有關於一種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。
習知光學膜在製作完成後通常需要分割成數條面積較小的光學膜。在分割後,必須以人工肉眼觀察方式,觀察切割後光學膜的斷面(側面)是否具有缺陷以及缺陷種類。然而,人工肉眼觀察方式容易造成誤判。因此,提出一種新的可增加判斷準確度的缺陷判斷技術是本技術領域業者努力的目標之一。
本發明實施例提出一種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,可改善上述問題。
本發明一實施例提出一種光學膜之缺陷判斷方法。缺陷判斷方法包括以下步驟。擷取一光學膜之側面之一圖像,圖像包含一光
學膜影像區及一背景區;取得光學膜影像區之一邊界基準線,圖像中位於邊界基準線上方的面積為一基準背景面積;取得基準背景面積相對於背景區之一背景區面積的一面積差值;以及,依據面積差值,判斷光學膜之一缺陷之類型。
本發明另一實施例提出一種光學膜之缺陷判斷系統。輸送系統包括一攝像器及一判斷器。攝像器用以擷取一光學膜之側面之一圖像,其中,圖像包含一光學膜影像區、一背景區及一缺陷區。判斷器用以:取得光學膜影像區之一邊界基準線,圖像中位於邊界基準線上方的面積為一基準背景面積;取得基準背景面積相對於背景區之一背景區面積的一面積差值;以及,依據面積差值,判斷光學膜之一缺陷之類型。
本發明另一實施例提出一種光學膜之切割系統。切割系統包括數個滾輪、一切割刀具及如前述之缺陷判斷系統。缺陷判斷系統之攝像器係鄰近於光學膜之側面配置。
為了對本發明之上述及其他方面有更佳的瞭解,下文特舉實施例,並配合所附圖式詳細說明如下:
10:光學膜
11:第一子光學膜
11s1、11s2、12s1、12s2:側面
12:第二子光學膜
20:切割系統
21:滾輪
22:切割刀具
23:雷射切割器
100:缺陷判斷系統
110A~110D:攝像器
120:判斷器
Ab:背景區面積
AL:基準背景面積
△A:面積差值
D1:缺陷
D1c:中心點
Gd,av:缺陷區平均灰階值
Gf,av:影像區平均灰階值
GL:灰階下限值
GU:灰階上限值
h1:距離
L:邊界基準線
P:圖像
S110~S146B:步驟
S:灰階值差異處
T1:傳輸方向
第1圖繪示依照本發明一實施例之光學膜之切割系統的示意圖。
第2圖繪示第1圖之缺陷判斷系統的功能方塊圖。
第3A~3C圖繪示第2圖之缺陷判斷系統之缺陷判斷方法的流程圖。
第4A1~4F圖繪示第1圖之光學膜可能發生的數種缺陷類型的圖像。
為了對本發明之上述及其他方面有更佳的瞭解,下文特舉實施例,並配合所附圖式詳細說明如下。
請參照第1及2圖,第1圖繪示依照本發明一實施例之光學膜10之切割系統20的示意圖,而第2圖繪示第1圖之缺陷判斷系統100的功能方塊圖。
缺陷判斷系統100的缺陷判斷方法可採用對缺陷的特徵(如尺寸、灰階值)分類技術完成。例如,前述特徵分類技術係通過攝像器擷取待測物的完整圖像,此圖像是由許多圖元組成,每個圖元都有一定的灰階值(0~255)。因此,通過一定的數學、邏輯方法可對圖元資訊進行外觀分析,結構分析及幾何尺寸的計算,實現快速對待測物的各種檢測。在一實施例中,特徵分類技術例如是邊緣檢測法,而機器學習分類技術例如監督式學習,從給定的訓練資料集中學習出一個函式,當新的資料到來時,可以根據這個函式預測結果。以電腦進行特徵判斷缺陷類型,比人工判斷的方式更為準確。
如第1圖所示,切割系統20包含數個滾輪21、切割刀具22及缺陷判斷系統100。此些滾輪21之一者鄰近切割刀具22配置。滾輪21可傳輸光學膜10經過切割刀具22,切割刀具22沿傳輸方向T1將光學膜10切割成(分離成)至少二條子光學膜,如第一子光學膜
11及第二子光學膜12。在實施例中,切割刀具22例如是圓盤刀,其可透過旋轉運動切斷光學膜10。在一實施例中,切割系統20更包含雷射切割器23。滾輪21可傳輸光學膜10依序經過雷射切割器23及切割刀具22。雷射切割器23沿傳輸方向T1先對光學膜10進行半切割(不切穿光學膜10),然後,切割刀具22沿傳輸方向T1將光學膜10切割成(分離成)至少二條子光學膜,如第一子光學膜11及第二子光學膜12。
光學膜10可包含對光學之增益、配向、補償、轉向、直交、擴散、保護、防黏、耐刮、抗眩、反射抑制、高折射率等有所助益的膜,例如,可為偏光膜、離型膜、廣視角膜、增亮膜、反射膜、保護膜、具有控制視角補償或雙折射(birefraction)等特性的配向液晶膜、硬塗膜、抗反射膜、防黏膜、擴散膜、防眩膜等各種表面經處理的膜或上述之組合,但不限於此。
缺陷判斷系統100包含至少一攝像器(如攝像器110A~110D)及判斷器120。判斷器120例如是採用半導體製程所形成的電路結構。在一實施例中,判斷器120可整合於一處理器(processor)中。
此些攝像器110A~110D之二者分別配置於一子光學膜斷面之相對二側,其中該相對二側之至少一者為切割側。在本實施例中,攝像器110A及110B分別鄰近子光學膜11之相對二側面11s1及11s2配置,且攝像器110A及110B分別鄰近子光學膜12之相對二
側面12s1及12s2配置。在實施例中,攝像器110A~110D之照射方向與攝像器110A~110D正對光學膜側面之正對方向之間的夾角A1(第1圖僅以攝像器110B為例繪示)大致上介於±15°,較佳為±5°或0°。此外,當夾角A1為0°時,表示照射方向與正對方向重合;當夾角A1不為0°時,表示攝像器斜照光學膜之側面,即攝像器繞光學膜行進方向公轉後,照射方向與正對方向之間夾一不為0°的角度。
在一實施例中,切割系統20可更包括二切割刀具(圖未示),此二切割刀具分別切割出光學膜10之二邊條,二邊條分別自側面11s1及側面12s2分離。切割刀具可為圓盤刀或圓盤刀及雷射切割器併用。在此實施例中,側面11s1與11s2為切割側,且側面12s1與12s2也為切割側。此外,攝像器110A及110B分別朝向相對二側面11s1及11s2,以分別擷取相對二側11s1及11s2的圖像。相似地,攝像器110C及110D分別朝向相對二側面12s1及12s2,以分別擷取相對二側面12s1及12s2的圖像。
在一實施例中,切割系統20可更包括二切割刀具(圖未示),此二切割刀具分別切割出光學膜10之二邊條(圖未示),二邊條分別自側面11s1及側面12s2分離。
判斷器120用以分析攝像器110A~110D所擷取之圖像P,以判斷光學膜10的缺陷類型。以下係以第3A~3C圖及第4A1~4F圖說明第2圖之缺陷判斷系統100的缺陷判斷方法的流程。第3A~3C圖繪示第2圖之缺陷判斷系統100之缺陷判斷方法的流程圖,而第4A1~4F圖繪示第1圖之光學膜10可能發生的數種缺陷類型的圖像。
如第4A1圖所示,圖像P之缺陷D1屬於凸膜型缺陷。如第4B1圖所示,圖像P之缺陷D1屬於毛屑型缺陷(例如是基於切割光學膜邊緣產生的毛屑)。如第4C圖所示,圖像P之缺陷D1屬於雷射起始點型缺陷(例如是基於使用雷射切割光學膜需求所產生的切割起始點缺陷)。如第4D圖所示,圖像P之缺陷D1屬於氣泡型缺陷(例如是基於多層光學膜貼合介面產生之氣泡)。如第4E圖所示,圖像P之缺陷D1屬於裂痕型缺陷。如第4F圖所示,圖像P之缺陷D1屬於髒污型缺陷。在另一實施例中,光學膜10的缺陷類型不限於前述6種,其可包含6種以上,或少於6種。
在步驟S110中,數台攝像器110A~110D之至少一者擷取對應之子光學膜之側面的圖像。本發明實施例之缺陷判斷方法係以攝像器110C擷取第二子光學膜12之側面12s1之圖像為例說明,其餘攝像器110A、110B及110D擷取對應之子光學膜之側面之圖像皆可採用類似方法進行缺陷判斷,於此不再贅述。
在步驟S110中,判斷器120分析所擷取的圖像P,並區分出圖像P之光學膜影像區Pf及背景區Pb,其中光學膜影像區Pf為攝像器110C所擷取的光學膜10的影像,而背景區Pb為攝像器110C所擷取的光學膜10以外的背景的影像。區分出圖像P之光學膜影像區Pf與背景區Pb之方式可採用二值化影像處理技術完成。以第4A1圖之圖像P舉例來說,判斷器120對圖像P進行二值化處理。二值化處理後,圖像P之光學膜影像區Pf之各像素點具有第一灰階值,於第4A1圖中以點剖面表示,而圖像P之背景區Pb之各像素點具有
第二灰階值,於第4A1圖中以斜線剖面表示,其中第一灰階值與第二灰階值相異。如此,可透過灰階值差異區分出光學膜影像區Pf與背景區Pb。
在步驟S113中,如第4A1圖所示,判斷器120取得光學膜影像區Pf之邊界基準線L。例如,判斷器120以光學膜影像區Pf與背景區Pb之灰階值差異處S中相對變化「較緩和」之處的延伸做為邊界基準線L。前述「較緩和」的定義符合要件:灰階值差異處S=|Pf之第一灰階值-Pb之第二灰階值|,其中S>Pb之第二灰階值,S<Pf之第一灰階值,且S<(Pf之第一灰階值+Pb之第二灰階值)/2。邊界基準線L例如是光學膜10的外表面的輪廓線影像的延伸,即光學膜影像區Pf與背景區Pb之分界線。當圖像P無凸膜型缺陷(如第4A1圖)及毛屑型缺陷(如第4B1圖)時,光學膜影像區Pf之外表面輪廓線例如是直線,如第4C圖之圖像P中為水平線。
取得邊界基準線L後,判斷器120計算圖像P之位於邊界基準線L上方之基準背景面積AL。以第4A1圖來說,背景區Pb及缺陷D1位於邊界基準線L上方,因此基準背景面積AL等於背景區Pb之背景區面積Ab與缺陷D1的面積之和。
在步驟S115中,判斷器120取得基準背景面積AL相對於圖像P之背景區Pb之背景區面積Ab的面積差值△A。
在另一實施例中,當邊界基準線L上方的基準背景面積AL與邊界基準線L下方的光學膜影像區Pf之光學區面積Af大致上相等時,判斷器120可取得光學膜影像區Pf之光學區面積Af相對於背
景區Pb之背景區面積Ab之差值,並以此差值做為面積差值△A,其中若缺陷D1位於邊界基準線L上方,則光學區面積Af包含缺陷D1的面積。在此例子中,光學區面積Af相對於背景區Pb之背景區面積Ab之差值大致上等於缺陷D1的面積。
然而,本發明實施例不限定邊界基準線L的位置。依據攝像器與光學膜之側面的上下相對位置,邊界基準線L可位於圖像P的任何位置,且邊界基準線L之上、下區域面積可相等或相異。
在步驟S120中,判斷器120判斷面積差值△A是否大於第一面積預設值。當面積差值△A大於第一面積預設值,表示第一子光學膜11存在有缺陷D1且缺陷D1位於邊界基準線L上方,流程進入步驟S130,判斷器120判斷缺陷D1的類型,例如是判斷缺陷D1屬於第4A1圖之凸膜型缺陷或第4B1圖之毛屑型缺陷。此外,當缺陷D1位於邊界基準線L上方時,面積差值△A必為正值。
當面積差值△A不大於第一面積預設值,表示第一子光學膜11的缺陷D1不位於邊界基準線L上方(可能位於邊界基準線L下方),因此流程進入步驟S140,判斷器140接著判斷邊界基準線L下方的光學膜影像區Pf是否存在有缺陷D1,例如是否存在有第4C圖所示之雷射起始點型缺陷、第4D圖所示之氣泡型缺陷、如第4E圖所示之裂痕型缺陷或如第4F圖所示之髒污型缺陷。
在一實施例中,前述第一面積預設值可以面積尺寸值或像素數量。以像素數量來說,例如是50點,然可依據像素數量換算成對應的尺寸值,或者依據尺寸值換算成對應的像素數量。
位於邊界基準線L上方的缺陷類型判斷過程(步驟S130)可透過尺寸分析完成。以下係進一步舉例說明。
在步驟S131中,判斷器120判斷面積差值△A是否介於第一面積預設值與第二面積預設值之間,其中第二面積預設值大於第一面積預設值。以像素數量來說,第二面積預設值例如是200點。當面積差值△A介於第一面積預設值與第二面積預設值之間,表示缺陷D1可能是毛屑型缺陷,流程進入步驟S132A,進一步判斷缺陷D1是否屬於毛屑型缺陷;若否,表示缺陷D1可能是凸膜型缺陷,則流程進入步驟S133A,進一步判斷缺陷D1是否屬於凸膜型缺陷。
在步驟S132A中,判斷器120判斷缺陷D1之第一方向尺寸是否小於第一尺寸預設值及缺陷D1之第二方向尺寸是否小於第二尺寸預設值。當缺陷D1之第一方向尺寸小於第一尺寸預設值及缺陷D1之第二方向尺寸小於第二尺寸預設值,判斷器120判定缺陷D1屬於毛屑型缺陷。以像素點來說,第一尺寸預設值及第二尺寸預設值例如是3點。缺陷D1之第一方向尺寸不小於第一尺寸預設值及缺陷D1之第二方向尺寸不小於第二尺寸預設值的情況(步驟S132A的「否」結果)於本發明實施例不會發生,因此本文不予討論。
以第4B1及4B2圖舉例來說,判斷器120判定缺陷D1屬於毛屑型缺陷的方式例如是:取得缺陷D1沿第一方向(如X方向)的各Xi行的像素點數量(如X1~X3行各為2點);然後,判斷此些Xi行的最大像素點數量是否小於第一尺寸預設值,例如各Xi行的像素點數量皆等於2,其小於第一尺寸預設值(以3為例);然後,取得缺陷
D1沿第二方向(如Y方向)的各Yi行的像素點數量(如Y1~Y4行分別為1、2、2及1點);然後,判斷此些Yi行的最大像素點數量是否小於第二尺寸預設值,例如Y2行具有最大像素點數量(即2),其小於第二尺寸預設值(以3為例)。據此,判斷器120判定第4B1圖之缺陷D1屬於毛屑型缺陷。
在步驟S133A中,判斷器120判斷面積差值△A是否大於第二面積預設值。若是,表示缺陷D1可能屬於凸膜型缺陷(如第4A1圖所示),流程進入步驟S133B。
在步驟S133B中,判斷器120判斷缺陷D1之第一方向尺寸是否等於或大於第一尺寸預設值及缺陷D1之第二方向尺寸是否等於或大於第二尺寸預設值。若是,流程進入步驟S133C,判斷器120判定缺陷D1屬於凸膜型缺陷(如第4A1圖所示)。缺陷D1之第一方向尺寸不等於或不大於第一尺寸預設值及缺陷D1之第二方向尺寸不等於或不大於第二尺寸預設值的情況(步驟S133B的「否」結果)於本發明實施例不會發生,因此本文不予討論。
以第4A1及4A2圖舉例來說,判斷器120判定缺陷D1屬於凸膜型缺陷的方式例如是:取得缺陷D1沿第一方向(如X方向)的各Xi行的像素點數量(如X1~X3行分別為5、4及3點);然後,判斷此些Xi行的最大像素點數量是否小於第一尺寸預設值,例如X1行具有最大像素點數量(即5),其大於第一尺寸預設值(以3為例);然後,取得缺陷D1沿第二方向(如Y方向)的各Yi行的像素點數量(如Y1~Y5行分別為2、3、3、2及1點);然後,判斷此些Yi行的最大像素點數
量是否小於第二尺寸預設值,例如Y3行具有最大像素點數量(即3),其等於第二尺寸預設值(以1為例)。據此,判斷器120判定第4A1圖所示之缺陷D1屬於凸膜型缺陷。
位於邊界基準線L下方的缺陷類型判斷過程(步驟S140)可透過灰階值分析完成。以下係進一步舉例說明。
在步驟S141中,判斷器120取得光學膜影像區Pf之缺陷D1的缺陷區平均灰階值Gd,av。詳言之,缺陷D1的像素灰階值與光學膜影像區Pf之缺陷D1以外區域的像素灰階值不同,因此判斷器120可透過光學膜影像區Pf之各像素的灰階值差異來判斷缺陷D1的分布區域,以及缺陷D1的分布區域的缺陷區平均灰階值Gd,av。
在步驟S142中,判斷器120判斷缺陷平均灰階值Gd,av是否介於灰階下限值GL與灰階上限值GU之間。若是,流程進入步驟S144,判斷器120判定缺陷D1屬於髒污型缺陷。在一實施例中,灰階下限值GL例如是30,而灰階上限值GU例如是70(當灰階值為0時,顏色為黑色,而當灰階值為255時,顏色為白色)。以第4F圖舉例來說,由於髒汙的灰階值(顏色)範圍顏色大致上介於灰階下限值GL與灰階上限值GU之間。因此,當缺陷平均灰階值Gd,av介於灰階下限值GL與灰階上限值GU之間時,判斷器120判斷第4F圖之缺陷D1屬於髒污型缺陷。
在步驟S142中,當缺陷平均灰階值Gd,av未介於灰階下限值GL與灰階上限值GU之間,表示缺陷D1可能屬於雷射起始點缺陷(如第4C圖所示),流程進入步驟S143A,判斷器120進一步確認
缺陷D1是否屬於雷射起始點缺陷。
在步驟S143A中,判斷器120判斷缺陷D1之缺陷區平均灰階值Gd,av是否小於灰階下限值GL。若是,則流程進入步驟S143B,再進一步判斷缺陷D1是否屬於雷射起始點型缺陷(如第4C圖所示);若否,表示缺陷D1可能屬於氣泡型缺陷(如第4D圖所示)或裂痕型缺陷(如第4E圖所示),則流程進入步驟S145A,進一步判斷缺陷D1屬於氣泡型缺陷或裂痕型缺陷。
在步驟S143B中,如第4C圖所示,判斷器120判斷光學膜影像區Pf之邊界基準線L與缺陷D1的中心點D1c之間的距離h1是否大於預設距離值。若是,則流程進入步驟S143C,判斷器120判定第4C圖所示之缺陷D1屬於雷射起始點型缺陷。在實施例中,預設距離值例如是200微米。若距離h1不大於預設距離值(步驟S143B的「否」結果),判斷器120判斷缺陷D1屬於其它類型缺陷。
在步驟S145A中,判斷器120取得光學膜影像區Pf之影像區平均灰階值Gf,av。詳言之,判斷器120可分析光學膜影像區Pf之全區之各像素點的灰階值,並據以計算此些像素點的平均值,此平均值即影像區平均灰階值Gf,av。
在步驟S145B中,判斷器120判斷缺陷區平均灰階值Gd,av是否大於影像區平均灰階值Gf,av。若是,流程進入步驟S145C。缺陷區平均灰階值Gd,av不大於影像區平均灰階值Gf,av的情況(步驟S145B的「否」結果)於本發明實施例不會發生,因此本文不予討論。
在步驟S145C中,判斷器120判斷缺陷區平均灰階值
Gd,av是否小於灰階下限值GL。若否,流程進入步驟S145D,判斷器120判定缺陷D1屬於氣泡型缺陷(如第4D圖所示)。當缺陷區平均灰階值Gd,av不小於灰階下限值GL,流程進入步驟S146A。
在步驟S146A中,判斷器120判斷光學膜影像區Pf之邊界基準線L與缺陷D1的中心點D1c之間的距離h1是否大於預設距離。若是,流程進入步驟S146B。若否,則判斷器120判斷缺陷D1屬於其它類型缺陷。
在步驟S146B中,判斷器120判定缺陷D1屬於裂痕型缺陷(如第4E圖所示)。
綜上所述,雖然本發明已以實施例揭露如上,然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾。因此,本發明之保護範圍當視後附之申請專利範圍所界定者為準。
S110~S133C:步驟
Claims (19)
- 一種光學膜之缺陷判斷方法,包括:擷取一光學膜之側面之一圖像,該圖像包含一光學膜影像區及一背景區,該背景區是該光學膜以外的影像;取得該光學膜影像區之一邊界基準線,該圖像中位於該邊界基準線上方的面積為一基準背景面積;取得該基準背景面積相對於該背景區之一背景區面積的一面積差值;以及依據該面積差值,判斷該光學膜之一缺陷之類型,包括:判斷該面積差值是否大於一第一面積預設值;及當該面積差值大於該第一面積預設值,判斷該缺陷位於該邊界基準線上方。
- 如申請專利範圍第1項所述的缺陷判斷方法,其中判斷該缺陷位於該邊界基準線上方之步驟包括:判斷該面積差值是否介於該第一面積預設值與一第二面積預設值之間;當該面積差值介於該第一面積預設值與該第二面積預設值之間,判斷該缺陷之一第一方向尺寸是否小於一第一尺寸預設值及該缺陷之一第二方向尺寸是否小於一第二尺寸預設值;以及當該缺陷之該第一方向尺寸小於該第一尺寸預設值及該缺陷之該第二方向尺寸小於該第二尺寸預設值,判定該缺陷屬於一毛屑型缺陷。
- 如申請專利範圍第1項所述的缺陷判斷方法,其中判斷該缺陷位於該邊界基準線上方之步驟包括:判斷該面積差值是否大於一第二面積預設值;當該面積差值大於該第二面積預設值,判斷該缺陷之一第一方向尺寸是否等於或大於一第一尺寸預設值及該缺陷之一第二方向尺寸是否等於或大於一第二尺寸預設值;當該缺陷之該第一方向尺寸等於或大於該第一尺寸預設值及該缺陷之該第二方向尺寸等於或大於該第二尺寸預設值,判定該缺陷屬於一凸膜型缺陷。
- 如申請專利範圍第1項所述的缺陷判斷方法,其中在判斷該缺陷之類型之步驟中,該缺陷判斷方法包括:判斷該面積差值是否大於一第一面積預設值;以及當該面積差值不大於該第一面積預設值,判斷該缺陷位於該光學膜影像區。
- 如申請專利範圍第1或4項所述的缺陷判斷方法,其中該第一面積預設值為面積尺寸值或像素數量。
- 如申請專利範圍第4項所述的缺陷判斷方法,其中在判斷該缺陷位於該光學膜影像區之步驟包括:取得該光學膜影像區之該缺陷的一缺陷區平均灰階值;判斷該缺陷區平均灰階值是否介於一灰階下限值與一灰階上限值之間;以及 當該缺陷區平均灰階值介於該灰階下限值與該灰階上限值之間,判定該缺陷屬於一髒污型缺陷。
- 如申請專利範圍第4項所述的缺陷判斷方法,其中在判斷該缺陷位於該光學膜影像區之步驟包括:取得該光學膜影像區之該缺陷的一缺陷區平均灰階值;取得該光學膜影像區之一影像區平均灰階值;判斷該缺陷區平均灰階值是否大於該影像區平均灰階值;以及當該缺陷區平均灰階值大於該影像區平均灰階值,判定該缺陷屬於一氣泡型缺陷。
- 如申請專利範圍第4項所述的缺陷判斷方法,其中在判斷該缺陷區位於該光學膜影像區之步驟包括:取得該光學膜影像區之該缺陷的一缺陷區平均灰階值;判斷該缺陷區平均灰階值是否小於一灰階下限值;判斷該邊界基準線與該缺陷區的中心點之間的距離是否大於一預設距離值;當該距離大於該預設距離值,判定該缺陷屬於一雷射起始點型缺陷。
- 如申請專利範圍第4項所述的缺陷判斷方法,其中在判斷該缺陷區位於該光學膜影像區之步驟包括:取得該光學膜影像區之該缺陷的一缺陷區平均灰階值;取得該光學膜影像區之一影像區平均灰階值;判斷該缺陷區平均灰階值是否大於該影像區平均灰階值; 當該缺陷區平均灰階值大於該影像區平均灰階值,判斷該缺陷區平均灰階值是否小於一灰階下限值;當該缺陷區平均灰階值小於該灰階下限值,判斷該邊界基準線與該缺陷的中心點之間的距離是否大於一預設距離值;當該距離大於該預設距離值,判定該缺陷屬於一裂痕型缺陷。
- 一種光學膜之缺陷判斷系統,包括:一攝像器,用以擷取一光學膜之側面之一圖像,其中,該圖像包含一光學膜影像區、一背景區及一缺陷區;以及一判斷器,用以:取得該光學膜影像區之一邊界基準線,該圖像中位於該邊界基準線上方的面積為一基準背景面積;取得該基準背景面積相對於該背景區之一背景區面積的一面積差值;及依據該面積差值,判斷該光學膜之一缺陷之類型;及其中,在判斷該缺陷之類型之步驟中,該判斷器更用以:判斷該面積差值是否大於一第一面積預設值;當該面積差值大於該第一面積預設值,判斷該缺陷位於該邊界基準線上方。
- 如申請專利範圍第10項所述的缺陷判斷系統,其中在判斷該缺陷位於該邊界基準線上方之步驟中,該判斷器更用以:判斷該面積差值是否介於該第一面積預設值與一第二面積預設值之間; 當該面積差值介於該第一面積預設值與該第二面積預設值之間,判斷該缺陷之一第一方向尺寸是否小於一第一尺寸預設值及該缺陷之一第二方向尺寸是否小於一第二尺寸預設值;以及當該缺陷之該第一方向尺寸小於該第一尺寸預設值及該缺陷之該第二方向尺寸小於該第二尺寸預設值,判定該缺陷屬於一毛屑型缺陷。
- 如申請專利範圍第10項所述的缺陷判斷系統,其中在判斷該缺陷位於該邊界基準線上方之步驟中,該判斷器更用以:判斷該面積差值是否大於一第二面積預設值;當該面積差值大於該第二面積預設值,判斷該缺陷之一第一方向尺寸是否等於或大於一第一尺寸預設值及該缺陷之一第二方向尺寸是否等於或大於一第二尺寸預設值;以及當該缺陷之該第一方向尺寸等於或大於該第一尺寸預設值及該缺陷之該第二方向尺寸等於或大於該第二尺寸預設值,判定該缺陷屬於一凸膜型缺陷。
- 如申請專利範圍第10項所述的缺陷判斷系統,其中在判斷該缺陷之類型之步驟中,該判斷器更用以:判斷該面積差值是否大於一第一面積預設值;以及當該面積差值不大於該第一面積預設值,判斷該缺陷位於該光學膜影像區。
- 如申請專利範圍第13項所述的缺陷判斷系統,其中在判斷該缺陷位於該光學膜影像區之步驟中,該判斷器更用以: 取得該光學膜影像區之該缺陷的一缺陷區平均灰階值;判斷該缺陷區平均灰階值是否介於一灰階下限值與一灰階上限值之間;以及當該缺陷區平均灰階值介於該灰階下限值與該灰階上限值之間,判定該缺陷屬於一髒污型缺陷。
- 如申請專利範圍第13項所述的缺陷判斷系統,其中在判斷該缺陷位於該光學膜影像區之步驟中,該判斷器更用以:取得該光學膜影像區之該缺陷的一缺陷區平均灰階值;取得該光學膜影像區之一影像區平均灰階值;判斷該缺陷區平均灰階值是否大於該影像區平均灰階值;以及當該缺陷區平均灰階值大於該影像區平均灰階值,判定該缺陷屬於一氣泡型缺陷。
- 如申請專利範圍第13項所述的缺陷判斷系統,其中在判斷該缺陷位於該光學膜影像區之步驟中,該判斷器更用以:取得該光學膜影像區之該缺陷的一缺陷區平均灰階值;判斷該缺陷區平均灰階值是否小於一灰階下限值;判斷該邊界基準線與該缺陷區的中心點之間的距離是否大於一預設距離值;當該距離大於該預設距離值,判定該缺陷屬於一雷射起始點型缺陷。
- 如申請專利範圍第13項所述的缺陷判斷系統,其中在判斷該缺陷位於該光學膜影像區之步驟中,該判斷器更用以: 取得該光學膜影像區之該缺陷的一缺陷區平均灰階值;取得該光學膜影像區之一影像區平均灰階值;判斷該缺陷區平均灰階值是否大於該影像區平均灰階值;當該缺陷區平均灰階值大於該影像區平均灰階值,判斷該缺陷區平均灰階值是否小於一灰階下限值;當該缺陷區平均灰階值小於該灰階下限值,判斷該邊界基準線與該缺陷的中心點之間的距離是否大於一預設距離值;當該距離大於該預設距離值,判定該缺陷屬於一裂痕型缺陷。
- 一種光學膜之切割系統,包括:一切割刀具;複數個滾輪,該些滾輪之一者鄰近該切割刀具配置;以及如申請專利範圍第10~17項之任一項所述的缺陷判斷系統,其中該缺陷判斷系統之該攝像器係鄰近於該光學膜之該側面配置;其中,該些滾輪用以傳輸該光學膜經過該切割刀具。
- 如申請專利範圍第18項所述之切割系統,其中該攝像器之照射方向與該攝像器正對該側面之正對方向之間的夾角介於±15°。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108121331A TWI783154B (zh) | 2019-06-19 | 2019-06-19 | 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 |
CN202010293850.0A CN111507955B (zh) | 2019-06-19 | 2020-04-15 | 光学膜的缺陷判断方法及缺陷判断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108121331A TWI783154B (zh) | 2019-06-19 | 2019-06-19 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202101381A TW202101381A (zh) | 2021-01-01 |
TWI783154B true TWI783154B (zh) | 2022-11-11 |
Family
ID=71864111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108121331A TWI783154B (zh) | 2019-06-19 | 2019-06-19 | 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 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111507955B (zh) |
TW (1) | TWI783154B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104792794A (zh) * | 2015-04-28 | 2015-07-22 | 武汉工程大学 | 基于机器视觉的光学薄膜表面缺陷检测方法 |
US9582872B2 (en) * | 2015-07-03 | 2017-02-28 | Yuan Ze University | Optical film defect detection method and system thereof |
TWI583476B (zh) * | 2012-12-18 | 2017-05-21 | 住友化學股份有限公司 | 光學顯示設備之生產方法及光學顯示設備之生產系統 |
TW201741650A (zh) * | 2016-05-24 | 2017-12-01 | Lg化學股份有限公司 | 偵測光學膜之缺陷的系統與方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8369590B2 (en) * | 2007-05-21 | 2013-02-05 | Cornell University | Method for segmenting objects in images |
CN109387525A (zh) * | 2017-08-09 | 2019-02-26 | 苏州精濑光电有限公司 | 一种膜上膜内缺陷的判定方法 |
-
2019
- 2019-06-19 TW TW108121331A patent/TWI783154B/zh active
-
2020
- 2020-04-15 CN CN202010293850.0A patent/CN111507955B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI583476B (zh) * | 2012-12-18 | 2017-05-21 | 住友化學股份有限公司 | 光學顯示設備之生產方法及光學顯示設備之生產系統 |
CN104792794A (zh) * | 2015-04-28 | 2015-07-22 | 武汉工程大学 | 基于机器视觉的光学薄膜表面缺陷检测方法 |
US9582872B2 (en) * | 2015-07-03 | 2017-02-28 | Yuan Ze University | Optical film defect detection method and system thereof |
TW201741650A (zh) * | 2016-05-24 | 2017-12-01 | Lg化學股份有限公司 | 偵測光學膜之缺陷的系統與方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202101381A (zh) | 2021-01-01 |
CN111507955A (zh) | 2020-08-07 |
CN111507955B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2406624C (en) | Dark view inspection system for transparent media | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
KR101711073B1 (ko) | 딥 러닝 알고리즘을 적용한 플렉서블 터치스크린 패널 미세 크랙 검출 장치 및 방법 | |
CN110473179B (zh) | 一种基于深度学习的薄膜表面缺陷检测方法、系统及设备 | |
CN109324061B (zh) | 一种锂电池极片的毛刺检测装置和方法 | |
CN115311294B (zh) | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法 | |
CN111696077A (zh) | 一种基于WaferDet网络的晶圆缺陷检测方法 | |
CN108764345A (zh) | 一种基于局部与全局聚类的水下大坝裂缝检测方法 | |
CN115100200B (zh) | 基于光学手段的光纤缺陷检测方法及系统 | |
CN108445020B (zh) | 一种玻璃基板缺陷聚集识别方法 | |
CN103439348A (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
JP6788837B2 (ja) | ガラス板の検査方法及びその製造方法並びにガラス板の検査装置 | |
WO2020119246A1 (zh) | 一种基于反射光的高光物体表面缺陷检测系统及方法 | |
US20170045448A1 (en) | Apparatus of Detecting Transmittance of Trench on Infrared-Transmittable Material and Method Thereof | |
TWI714923B (zh) | 自動光學檢測方法及應用其之自動光學檢測系統 | |
CN106706644A (zh) | 一种镜片疵病的检测方法 | |
CN114612471B (zh) | 一种复杂纹理瓷砖表面缺陷检测方法 | |
TWI771594B (zh) | 缺陷判斷訓練方法及應用其之系統以及缺陷判斷方法及應用其之系統 | |
EP3974817A1 (en) | Non-lambertian surface inspection system for line scan | |
TWI783154B (zh) | 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 | |
CN113706468A (zh) | 基于bp神经网络的玻璃缺陷检测方法 | |
CN116993719A (zh) | 一种oca光学薄膜表面缺陷视觉检测方法及系统 | |
Agrawal | Glass defect detection techniques using digital image processing–a review | |
TW201617605A (zh) | 瑕疵檢測方法及其裝置 |