CN107464236A - 一种基于aoi的柔性显示基板缺陷判别方法 - Google Patents
一种基于aoi的柔性显示基板缺陷判别方法 Download PDFInfo
- Publication number
- CN107464236A CN107464236A CN201710629339.1A CN201710629339A CN107464236A CN 107464236 A CN107464236 A CN 107464236A CN 201710629339 A CN201710629339 A CN 201710629339A CN 107464236 A CN107464236 A CN 107464236A
- Authority
- CN
- China
- Prior art keywords
- value
- mrow
- gray
- gray value
- factor
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N2021/9511—Optical elements other than lenses, e.g. mirrors
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Devices For Indicating Variable Information By Combining Individual Elements (AREA)
- Liquid Crystal (AREA)
Abstract
基于AOI的柔性显示基板缺陷判别方法,先对AOI扫描得到的待判定缺陷部位灰度图像进行灰度值数值处理,再将所述待判定缺陷周围的标示框利用平均值法替换,通过矢量相乘法、数据微积分代换、作图等方法,得出一系列的判断因子。再利用人工判断得到的经验规律,对所述判断因子进行区分,找出判断因子的量值与基板缺陷之间的对应关系,在加以验证的基础上将判断因子的阈值确定下来,完成图像处理和对所述待判定缺陷类型判断的过程映射。
Description
技术领域
本发明属于柔性显示装置制备领域,尤其涉及AMOLED屏幕的制备。
背景技术
柔性显示装置,尤其是AMOLED屏幕,其柔性显示基板在涂布、固化以及后续上层无机薄膜的沉积过程中,引入的气泡和异物却会给后续制程造成很***烦。特别的,气泡和异物的引入,在沉积缓冲层和有源层(a-Si)之后的激光晶化结晶(ELA)过程中,很容易造成无机层的破孔或凹陷。这种破孔或凹陷在后续高温制程中,很容易造成器件的失效,同时也会对制程设备造成严重的污染。因此,非常有必要在柔性显示基板本身的制备过程中,以及无机有源层的沉积和晶化后,对气泡、异物的存在及各自它们的状态、物理特性等进行监测,以判断这些缺陷对后续制程的影响。
此前,用自动光学检查机(Automatic Optic Inspection,AOI)能够有效区分玻璃基板、无机膜层、金属膜层以及有机光阻上的各类缺陷,但在柔性显示基板的表面进行异物的扫描和区分,尤其是对气泡以及不同形态颗粒的检测,还不够准确,重复性也较差。因此,亟待对这一检测方法的软/硬体尤其是相应的算法等进行升级和优化,以满足柔性显示基板缺陷的检测要求。
发明内容
本发明的目的在于提供一种基于AOI的柔性显示基板缺陷判别方法,对AOI扫描得到的灰度图像进行一系列的数据处理,具体处理步骤如下:
利用AOI扫描得到柔性显示基板所述待判定缺陷处的灰度图像,并将所述灰度图像的像素阵列转换为灰度值表格;
将所述灰度值表格内明显异常的灰度值数值用平均值法求值并替换;
设定两个阈值将所述灰度值表格筛选并划分为三个像素区间,对各区间的像素数量、灰度平均值等特性进行对比,以生成第一组判断因子;
放大所述灰度值表格内灰度值的差异;
用放大差异的和矢量模或角度替换所述灰度值表格内的灰度值,统计所述灰度值表格横向和纵向的标量和值,并筛选出所述两组标量和值的最大值与最小值,从而生成第二组判断因子;
对所述柔性显示基板上的缺陷的分布规律进行分析,分别找所述第一组判断因子和所述第二组判断因子的量值与所述柔性显示基板各类缺陷之间的对应关系;根据所述第一组判断因子和第二判断因子的数值,参照所述对应关系,判断所述待判定缺陷的类型。
其中,该判别方法的使用时机为所述柔性显示基板完成涂布-固化工序以后,或所述柔性显示基板完成激光晶化结晶以后。
其中,对两个所述时机都进行该判别方法的判别,将两组判别结果结合来判断所述待判定缺陷的类型。
其中,所述明显异常灰度值的数值替换过程中,所述平均值法为中值法。
其中,所述明显异常灰度值的数值替换过程中,所述平均值法具体如下:
将所述灰度值表格中灰度值明显异常的值去掉;
取每一个被去掉数值的对应像素相邻对角线上的“左上/左下/右上/右下”四个像素灰度值的平均值作为替代,即该像素当前灰度值:
Gm,n=(Gm+1,n-1+Gm+1,n+1+Gm-1,n-1+Gm-1,n+1)/4。
其中,所述第一组判断因子生成的具体方法如下:
设定两个阈值ρ和δ,ρ和δ取值范围均在[0,255]区间内且ρ<δ;
将所述待判定缺陷部分所述灰度值表格中灰度值<ρ和灰度值>δ的像素筛选出来,此时所述灰度值表格被划分为偏暗区间、中间区间和偏亮区间三个像素区间;
将偏暗区间和偏亮区间的像素个数的比值定义为判断因子R/S;
将偏暗区间和偏亮区间的灰度值平均值的比值定义为判断因子R/A;
所述R/S和所述R/A组成所述第一组判断因子。
其中,所述阈值取值根据所述柔性显示基板的类型不同而相应调整。
其中,当所述柔性显示基板为聚酰亚胺基板,所述阈值ρ取值70,所述阈值δ取值160。
其中,所述放大灰度值差异的方法为矢量相乘法,具体步骤如下:
定义两个正交且模相等的矢量dX和dY,分别取值为:
对替换了明显异常数据的所述灰度值表格中的每一个数值以及它周围8个数值构成的九宫格,按对应位置分别乘以矢量dX和dY;
将得到的9个值相加,分别得到两个和值ImageGray_dX和ImageGray_dY:
其中,所述第二组判断因子生成方法如下:
计算两个和值矢量ImageGray_dX和ImageGray_dY合成,得到一个和矢量ImageGray;
用所述和矢量ImageGray的模或角度替换所述灰度值表格中对应的所述像素单元灰度值,得到数据表ImageGray Dist或ImageGray Dist(2)
将所述数据表ImageGray Dist或ImageGray Dist(2)中的每一行数值分别求和,得到水平方向上标量和值SUM_Horizonal,将所述数据表ImageGray Dist或ImageGrayDist(2)中的每一列数值分别求和,得到竖直方向上标量和值SUM_Vertical;
筛选出两组标量和值(SUM_Horizonal和SUM_Vertical的最大值与最小值;
分别计算最大值与最小值的比值,水平列的最大值与最小值的比定义为判断因子α,竖直列的最大值与最小值的比定义为判断因子β;
所述α和所述β组成所述第二组判断因子。
基于本方法的数据处理,结合对前期各缺陷类型原始数据的大量分析统计,进行比较判别,可有效区分柔性显示基板在涂布-固化或者激光晶化结晶ELA之后的“柔性基板层-缓冲层-有源层”上的异物类型,给出明确的数据处理方法以及相应的判断依据、结论,以判断这些缺陷对后续制程的影响,从而加以相应的补救或规避措施,提高柔性显示器的良品率,避免工序或材质的浪费,降低加工成本。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的流程示意图;
图2是涂布-固化后的所述柔性显示基板的示意图;
图3是涂布-固化后的所述柔性显示基板的侧截面示意图;
图4是激光晶化结晶后的所述柔性显示基板的侧截面示意图;
图5是待判定缺陷处的灰度图像;
图6是述标示框灰度值替换前后对比;
图7是所述灰度值表格处理后的标量和值;
图8是根据所述标量和值形成的曲线;
图9是所述聚酰亚胺基板的缺陷类型同所述第一判断因子、第二判断因子的对应关系。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
图2为涂布-固化后的所述柔性显示基板的示意图,包含承载基板和涂布于所述承载基板上的柔性基板。本实施例中所述柔性显示基板为聚酰亚胺基板101所述承载基板为玻璃基板100,所述柔性基板为聚酰亚胺膜层101。所述聚酰亚胺膜层101为涂布在所述玻璃基板上的2个膜层区域。涂布-固化后的聚酰亚胺膜层101内部或者表面存在的气泡102和/或粒子性异物103。箭头A-A’和B-B’为聚酰亚胺薄膜的涂布方向。
图3涂布-固化后的所述柔性显示基板的侧截面示意图,标识了通常的几种对所述柔性显示基板品质影响较严重的缺陷形态:包括所述聚酰亚胺基板的膜内气泡102A和膜面气泡102B,其中某些气泡为中空结构,另外的一些气泡则包含有异物颗粒的内核。另外,还有所述聚酰亚胺基板的膜面颗粒性异物103A和膜内包裹的颗粒异物103B。
图4为激光晶化结晶(ELA)后的所述柔性显示基板的侧截面示意图,所述柔性聚酰亚胺基板上沉积了缓冲层(无机阻隔层)以及有源层(a-Si)等无机薄膜。所述聚酰亚胺基板的膜面气泡102C被沉积的所述无机薄膜所覆盖,在完成准分子激光晶化结晶后,部分气泡会破裂、坍塌甚至连同上层所述聚酰亚胺层一起发生剥离或者破孔现象。膜面颗粒性异物103C同样被沉积的所述无机薄膜所覆盖。
本实施例中针对上述各种缺陷判断的方法具体步骤如下:
本判别方法的使用时机为所述柔性显示基板完成涂布-固化工序以后,或所述柔性显示基板完成激光晶化结晶(ELA)以后,为了获得更准确的判别结果,可以在两个时机内都进行本方法的判别,再将两次判别的结果结合加以判定。
利用AOI扫描得到所述柔性显示基板涂布-固化或者激光晶体结晶之后的基板所述待判定缺陷处的灰度图像见图5,从图像上看是由亮暗程度不同的像素阵列组成,所述像素阵列大小视所述待判定缺陷大小而调整,保证所述待判定缺陷收容于所述像素阵列以内。在本实施例中,所述像素阵列取值300行×300列。将所述像素阵列进行数理转换,得出灰度值不同的300行×300列数值表格。从图5中还可以看到,所述待判定缺陷处的灰度值与周围无缺陷处的灰度值有着明显的数值区分。所述待判定缺陷处的灰度值跨度范围很大,并且可以利用灰度值边界的差异,区分出所述待判定缺陷和无缺陷处的光学界限,即物理界限。
通过对前期所述聚酰亚胺基板各缺陷类型原始数据的大量分析统计,所述聚酰亚胺基板无缺陷处的灰度值通常分布在80~90的范围内,各类缺陷处通常都由亮和暗两部分构成,暗的部分灰度值较常小于70;亮的部分较常大于160。
很多情况下,利用AOI扫描得到的所述待判定缺陷的灰度图像为了区分CCD扫描的重点范围,会在所述待判定缺陷周围标注一圈白/黑的标示框。白色标示框的灰度值为255,黑色标示框的灰度值为0,显而易见的,所述标示框主要起标示作用,并没有真实反应本像素单元内真实的灰度值。且所述标示框内的灰度值与正常采集的灰度值差异太大,属于明显异常的数据,对后续数据的整体运算过程及结果会产生特别大的干扰,因此首先需要将灰度数字为0或255的像素在数值上进行替换,排除这一干扰项并用更接近的真实灰度值进行还原。
还原所述标示框内明显异常灰度值较好的算法是平均值法,其中一个较简单的平均值法是:对所述标示框所在的每一个像素的灰度值,都取其相邻对角线上的“左上/左下/右上/右下”的四个像素灰度值的平均值作为替代,即所述标示框灰度值:
Gm,n=(Gm+1,n+1+Gm-1,n+1+Gm-1,n-1+Gm+1,n-1)/4。
将上述的相邻对角线上的“左上/左下/右上/右下”替换为“上/下/左/右”的四个像素灰度值,可以获得相似的效果,即所述标示框灰度值:
Gm,n=(Gm+1,n+Gm-1,n+Gm,n-1+Gm,n+1)/4。
如果采用的平均值法中某一所述标示框的取值包含了周边的所述标示框内明显异常数值,且周边的所述标示框数量占比超过总取值数量的三成,则所述欲求平均值的标示框宜单独采用另一种平均值法采集灰度值数值,若需要单独采用另一种平均值法采集灰度值数值的所述标示框超过总取值数量的二成,则优先考虑对所述待判定缺陷更换平均值法以采集灰度值数值。
另一个本领域较常使用的平均值法是中值法,相较于上述平均值法具有更加准确的优势。
本实施例中所述标示框灰度值替换前后对比如图6,左图为所述灰度值表格中的一部分,该部分中虚线标示出的为所述标示框集合,为白色,灰度值255。用上述平均值法替换所述标示框内明显异常的灰度值后得到右图中的新数值表。
进而,对替换掉所述标示框内明显异常数值的所述灰度值表格作筛选。首先需要设定两个阈值ρ和δ,ρ和δ取值范围均在[0,255]区间内且ρ<δ,所述两个阈值的选取需要根据前期对各类缺陷的分布规律分析后决定,且对于不同的柔性显示基板类型,所述两个阈值可作相应调整。
在本实施例中,针对所述聚酰亚胺基板,ρ取值为70,δ取值为160。所述灰度值表格被划分为三个像素区间,即偏暗区间(灰度值<70)、偏亮区间(灰度值>160)和中间区间(剩余像素)。进一步地,将所述偏暗区间和所述偏亮区间的像素个数(也即所占区域面积)的比值定义为判断因子R/S;将所述偏暗区间和所述偏亮区间的灰度值平均值的比值定义为判断因子R/A,所述R/S和所述R/A组成所述第一组判断因子。
对不同的所述柔性显示基板材料,其无缺陷处的灰度值可能存在差异,所述待判定缺陷处的暗区间和亮区间灰度值也相应存在差异。因此,对不同的柔性显示基板类型,其阈值和判断因子都会有相应调整,此值不为固定值。阈值的选取更多取决于对前期各类缺陷分布规律的统计结果,并在实践中不断调整优化,提高判定准确率。
为例将替换掉所述标示框内明显异常数据的所述灰度值表格差异放大,在本实施例中采用了矢量相乘法。具体步骤为将所述灰度数值表格中的每一个像素数值对应乘以两个正交且模相等的矢量dX和dY,其中所述dX和所述dY分别取值:
所述矢量相乘法的目的是将不同灰度之间的差异放大,便于后续阈值的修定,同时达到降低背景噪声的效果。具体方法是:对灰度数值表格中的每一个值,以及它周围8个数值构成的九宫格,按对应位置分别与上述dX和dY中的数值相乘,并对得到的9个值相加后,分别有两个和值ImageGray_dX和ImageGray_dY输出,即:
需要指出的是,所述dX和所述dY的设置并非唯一,只要所述dX在纵向上对称,且所述dY在横向上对称,同时所述dX和所述dY满足正交且模相等,即相乘为零,所述dX和所述dY的元素数值大小和矩阵元素数量都可以根据实际情况做调整,以达到不同灰度之间的差异放大,同时降低背景噪声的效果。
另一种实施方式为:多次代入所述dX和所述dY矢量进行计算,直至不同灰度之间的差异达到满足判定需要为准。
通过上一步计算,每一个所述像素单元对应有两个和值矢量ImageGray_dX和ImageGray_dY,将两个和值矢量合成,得到一个和矢量ImageGray,所述和矢量ImageGray对应唯一的所述像素单元。本实施例中,300行×300列的表格中每一个所述像素单元都对应唯一的所述和矢量ImageGray。用所述和矢量的模或者角度替换其对应所述像素单元内的灰度数值,得到数据表ImageGray Dist或ImageGray Dist(2):
将所述数据表ImageGray Dist或ImageGray Dist(2)中的每一行数值分别求和,每一列的数值也分别求和,得到水平和数值方向上两组标量和值SUM_Horizonal和SUM_Vertical,如图7所示。
对上述两组标量和值SUM_Horizonal和SUM_Vertical分别筛选出两组标量值中的最大值和最小值。水平列的最大值与最小值的比值定义为判断因子α,竖直列的最大值与最小值的比值定义为判断因子β。所述判断因子α和所述判断因子β组成第二组判断因子。
对于所述判断因子α和所述判断因子的选择,不限于最大值和最小值,利用所述灰度值数值表的序号,分别对应标量和值SUM_Horizonal和SUM_Vertical作出图8所示曲线图,在图8中可清晰获得一系列参数,如”半高全宽值”、斜率、斜率的变化率、波峰波谷数目和位置等,这些量值也可以引入来作为判断因子进行考量和判断。相对应的,在前期的各类缺陷分布规律统计中,提取的判断因子应该与本次判定提取的判断因子对应。
引入本类柔性显示基板前期已收集的各类缺陷分布规律统计结果,对所述待判定缺陷的所述第一组判断因子和所述第二组判断因子进行比对分析,在本实施例中,针对所述聚酰亚胺基板的缺陷类型,当阈值ρ取值70,阈值δ取值160时,所述第一组判断因子R/A、R/S以及所述第二组判断因子α、β的数值对应关系如下:
也可将所述聚酰亚胺基板的缺陷类型同所述第一判断因子、第二判断因子的对应关系用图9进行表示。在坐标系中同样给出上述判断标准的区间,即判断因子值的大小与缺陷类型之间的对应关系。
需要指出的是,对于同一类柔性显示基板,阈值的设定不限于某一组特定值,而且在后续的缺陷类型判断过程中,还可以根据结果继续修正所述阈值,相应的判断因子对应关系也随之调整,此为一个不断优化的过程,以持续提高对所述待判定缺陷的判断准确率。
本实施例中主要针对目前各种缺陷的检查判断,但不仅限于上述缺陷类型。在不同种类的所述柔性显示基板制备过程中,对所述柔性显示基板品质影响较严重的缺陷形态可能存在区别。
基于本方法的数据处理,结合对前期各缺陷类型原始数据的大量分析统计,进行比较判别,可有效区分柔性显示基板在涂布-固化或者激光晶化结晶ELA之后的“柔性基板层-缓冲层-有源层”上的异物类型,给出明确的数据处理方法以及相应的判断依据、结论,以判断这些缺陷对后续制程的影响,从而加以相应的补救或规避措施,提高柔性显示器的良品率,避免工序或材质的浪费,降低加工成本。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于AOI的柔性显示基板缺陷判别方法,其特征在于,包括如下步骤:
利用AOI扫描得到柔性显示基板待判定缺陷处的灰度图像,并将所述灰度图像的像素阵列转换为灰度值表格;
将所述灰度值表格内明显异常的灰度值用平均值法求值并替换;
设定两个阈值,所述两个阈值将所述灰度值表格筛选并划分为三个像素区间,对各区间的像素数量、灰度值平均值特性进行对比,以生成第一组判断因子;
放大所述灰度值表格内灰度值的差异;
用放大差异后的和矢量的模或角度值替换所述灰度值表格内的灰度值,统计所述灰度值表格的纵向和横向标量和值,并筛选出两组标量和值分别的最大值与最小值,从而生成第二组判断因子;
对所述柔性显示基板上缺陷的分布规律进行分析,分别找出所述第一组判断因子和所述第二组判断因子的量值与所述柔性显示基板各类缺陷之间的对应关系;
根据所述第一组判断因子和所述第二判断因子的数值,参照所述对应关系,判断所述待判定缺陷的类型。
2.根据权利要求1所述的缺陷判别方法,其特征在于,该判别方法的使用时机为所述柔性显示基板完成涂布-固化工序以后,或所述柔性显示基板完成激光晶化结晶以后。
3.根据权利要求2所述的缺陷判别方法,其特征在于,对两个所述时机都进行该判别方法的缺陷判别,将两组判别结果结合用于判断所述待判定缺陷的类型。
4.根据权利要求1所述的缺陷判别方法,其特征在于,所述明显异常灰度值的数值替换过程中,所述平均值法为中值法。
5.根据权利要求1所述的缺陷判别方法,其特征在于,所述明显异常灰度值的数值替换过程中,所述平均值法具体如下:
将所述灰度值表格中灰度值明显异常的数值去掉;
取每一个被去掉数值的对应像素相邻对角线上的“左上/左下/右上/右下”四个像素灰度值的平均值作为替代,即该像素当前灰度值:
Gm,n=(Gm+1,n+Gm-1,n+Gm,n-1+Gm,n+1)/4。
6.根据权利要求1所述的缺陷判别方法,其特征在于,所述第一组判断因子生成的具体方法如下:
设定两个阈值ρ和δ,ρ和δ取值范围均在[0,255]区间内且ρ<δ;
将所述待判定缺陷部分所述灰度值表格中灰度值<ρ和灰度值>δ的像素筛选出来,此时所述灰度值表格被划分为偏暗区间、中间区间和偏亮区间三个像素区间;
将偏暗区间和偏亮区间的像素个数的比值定义为判断因子R/S;
将偏暗区间和偏亮区间的灰度值平均值的比值定义为判断因子R/A;
所述R/S和所述R/A组成所述第一组判断因子。
7.根据权利要求6所述的缺陷判别方法,其特征在于,所述阈值取值根据所述柔性显示基板的类型不同而相应调整。
8.根据权利要求6所述的缺陷判别方法,其特征在于,所述柔性显示基板为聚酰亚胺基板,所述阈值ρ取值70,所述阈值δ取值160。
9.根据权利要求1所述的缺陷判别方法,其特征在于,所述放大灰度值差异的方法为矢量相乘法,具体步骤如下:
定义两个正交且模相等的矢量dX和dY,分别取值为:
对替换了明显异常数据的所述灰度值表格中的每一个数值以及它周围8个数值构成的九宫格,按对应位置分别乘以矢量dX和dY;
将得到的9个值相加,分别得到两个和值ImageGray_dX和ImageGray_dY:
10.根据权利要求1所述的缺陷判别方法,其特征在于,所述第二组判断因子生成方法如下:
合成矢量ImageGray_dX和矢量ImageGray_dY,得到和矢量ImageGray;
用所述和矢量ImageGray的模或角度替换所述灰度值表格中对应的所述像素单元灰度值,得到数据表ImageGray Dist或ImageGray Dist(2),计算式如下:
<mrow>
<mi>Im</mi>
<mi> </mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mi>G</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mi>D</mi>
<mi>i</mi>
<mi>s</mi>
<mi>t</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>Im</mi>
<mi> </mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mi>G</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mo>_</mo>
<mi>d</mi>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>Im</mi>
<mi> </mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mi>G</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mo>_</mo>
<mi>d</mi>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mrow>
<mi>Im</mi>
<mi> </mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mi>G</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mi>D</mi>
<mi>i</mi>
<mi>s</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi> </mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mi>m</mi>
<mi> </mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mi>G</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mo>_</mo>
<mi>d</mi>
<mi>X</mi>
</mrow>
<mrow>
<mi>Im</mi>
<mi> </mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mi>G</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mo>_</mo>
<mi>d</mi>
<mi>Y</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
将所述数据表ImageGray Dist或ImageGray Dist(2)中的每一行数值分别求和,得到水平方向上标量和值SUM_Horizonal;将所述数据表ImageGray Dist或ImageGray Dist(2)中的每一列数值分别求和,得到竖直方向上标量和值SUM_Vertical;
筛选出两组标量和值SUM_Horizonal和SUM_Vertical的最大值与最小值;
分别计算最大值与最小值的比值,水平列的最大值与最小值的比定义为判断因子α,竖直列的最大值与最小值的比定义为判断因子β;
所述α和所述β组成所述第二组判断因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710629339.1A CN107464236B (zh) | 2017-07-28 | 2017-07-28 | 一种基于aoi的柔性显示基板缺陷判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710629339.1A CN107464236B (zh) | 2017-07-28 | 2017-07-28 | 一种基于aoi的柔性显示基板缺陷判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107464236A true CN107464236A (zh) | 2017-12-12 |
CN107464236B CN107464236B (zh) | 2020-05-05 |
Family
ID=60547763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710629339.1A Active CN107464236B (zh) | 2017-07-28 | 2017-07-28 | 一种基于aoi的柔性显示基板缺陷判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107464236B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109227352A (zh) * | 2018-09-18 | 2019-01-18 | 惠科股份有限公司 | 一种基板缺陷修复方法及*** |
CN109357636A (zh) * | 2018-12-10 | 2019-02-19 | 电子科技大学 | 一种基于黑色件结构光扫描的相位放大计算方法 |
CN109903283A (zh) * | 2019-03-04 | 2019-06-18 | 江苏维普光电科技有限公司 | 一种基于图像法向量的掩模图形边缘缺陷检测方法 |
CN112130355A (zh) * | 2020-09-21 | 2020-12-25 | 深圳同兴达科技股份有限公司 | 一种高效率获取有缺陷的液晶显示模组的方法 |
CN113012137A (zh) * | 2021-03-24 | 2021-06-22 | 滁州惠科光电科技有限公司 | 一种面板缺陷检查方法、***、终端设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1801433A (zh) * | 2006-01-11 | 2006-07-12 | 彩虹集团电子股份有限公司 | 一种等离子显示屏缺陷检查方法 |
WO2006078916A3 (en) * | 2005-01-21 | 2009-04-16 | Photon Dynamics Inc | Automatic defect repair system |
CN103792699A (zh) * | 2013-09-09 | 2014-05-14 | 中华人民共和国四川出入境检验检疫局 | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 |
CN103885218A (zh) * | 2014-03-13 | 2014-06-25 | 京东方科技集团股份有限公司 | 一种基板的检测方法及检测装置 |
CN103913468A (zh) * | 2014-03-31 | 2014-07-09 | 湖南大学 | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 |
US8995748B2 (en) * | 2009-06-02 | 2015-03-31 | Hitachi High-Technologies Corporation | Defect image processing apparatus, defect image processing method, semiconductor defect classifying apparatus, and semiconductor defect classifying method |
CN106327496A (zh) * | 2016-08-26 | 2017-01-11 | 西安电子科技大学 | 基于aoi的pcb裸板盲孔缺陷的检测***及方法 |
-
2017
- 2017-07-28 CN CN201710629339.1A patent/CN107464236B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006078916A3 (en) * | 2005-01-21 | 2009-04-16 | Photon Dynamics Inc | Automatic defect repair system |
CN1801433A (zh) * | 2006-01-11 | 2006-07-12 | 彩虹集团电子股份有限公司 | 一种等离子显示屏缺陷检查方法 |
US8995748B2 (en) * | 2009-06-02 | 2015-03-31 | Hitachi High-Technologies Corporation | Defect image processing apparatus, defect image processing method, semiconductor defect classifying apparatus, and semiconductor defect classifying method |
CN103792699A (zh) * | 2013-09-09 | 2014-05-14 | 中华人民共和国四川出入境检验检疫局 | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 |
CN103885218A (zh) * | 2014-03-13 | 2014-06-25 | 京东方科技集团股份有限公司 | 一种基板的检测方法及检测装置 |
CN103913468A (zh) * | 2014-03-31 | 2014-07-09 | 湖南大学 | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 |
CN106327496A (zh) * | 2016-08-26 | 2017-01-11 | 西安电子科技大学 | 基于aoi的pcb裸板盲孔缺陷的检测***及方法 |
Non-Patent Citations (1)
Title |
---|
吴浩,张宪民等: ""基于统计建模的电子元件焊点图像匹配算法"", 《华南理工大学学报( 自然科学版)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109227352A (zh) * | 2018-09-18 | 2019-01-18 | 惠科股份有限公司 | 一种基板缺陷修复方法及*** |
CN109357636A (zh) * | 2018-12-10 | 2019-02-19 | 电子科技大学 | 一种基于黑色件结构光扫描的相位放大计算方法 |
CN109357636B (zh) * | 2018-12-10 | 2019-12-17 | 电子科技大学 | 一种基于黑色件结构光扫描的相位放大计算方法 |
CN109903283A (zh) * | 2019-03-04 | 2019-06-18 | 江苏维普光电科技有限公司 | 一种基于图像法向量的掩模图形边缘缺陷检测方法 |
CN112130355A (zh) * | 2020-09-21 | 2020-12-25 | 深圳同兴达科技股份有限公司 | 一种高效率获取有缺陷的液晶显示模组的方法 |
CN112130355B (zh) * | 2020-09-21 | 2023-03-24 | 深圳同兴达科技股份有限公司 | 一种获取有缺陷的液晶显示模组的方法 |
CN113012137A (zh) * | 2021-03-24 | 2021-06-22 | 滁州惠科光电科技有限公司 | 一种面板缺陷检查方法、***、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107464236B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107464236A (zh) | 一种基于aoi的柔性显示基板缺陷判别方法 | |
CN110225336B (zh) | 评估图像采集精度的方法及装置、电子设备、可读介质 | |
CN101655614B (zh) | 液晶显示面板云纹缺陷的检测方法和检测装置 | |
CN100367293C (zh) | 用于显示器的光学检测的方法和装置 | |
CN111754906B (zh) | 曲面显示屏亮度均一性检测方法 | |
US20010016054A1 (en) | Measuring image characteristics of output from a digital printer | |
US20030214586A1 (en) | Image quality analysis method and system for a display device | |
US6683974B1 (en) | Image defect detection apparatus and image defect detection method | |
CN105845062A (zh) | 检测显示面板的方法及***和显示面板的批量检测方法 | |
CN109345528A (zh) | 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 | |
CN105092473B (zh) | 一种多晶硅薄膜的质量检测方法和*** | |
CN104992446B (zh) | 非线性光照自适应的图像拼接方法及其实现*** | |
CN106527530B (zh) | 一种恒温加热台的温度均匀性检测与控制方法及其*** | |
CN113487606B (zh) | 图像检测***、方法、电视机背光扩散板检测***及方法 | |
CN109712084A (zh) | 一种图像修复方法、图像修复***及平板探测器 | |
CN109655234A (zh) | 一种针对于相机的自动化测试方法 | |
CN115790384A (zh) | 一种基于凹版涂布的打光成像方法及装置 | |
CN107274403A (zh) | 一种浮选表面质量的评价方法 | |
EP1656596A2 (en) | Interactive threshold tuning in an inspection system | |
CN104101614B (zh) | 一种检测方法及装置 | |
CN109949725B (zh) | 一种aoi***图像灰度标准化方法及*** | |
CN109307587B (zh) | 显示面板检测方法、装置及*** | |
CN117611551A (zh) | 基于物联网的显示屏异常检测方法及*** | |
CN114495815B (zh) | 一种微型显示屏的Demura方法、计算设备及存储介质 | |
CN102328871A (zh) | 乘客传送设备的扶手检查装置和乘客传送设备的维修方法 |
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 |