CN108109136A - 一种面板检测中表面灰尘快速过滤方法及装置 - Google Patents
一种面板检测中表面灰尘快速过滤方法及装置 Download PDFInfo
- Publication number
- CN108109136A CN108109136A CN201711321723.1A CN201711321723A CN108109136A CN 108109136 A CN108109136 A CN 108109136A CN 201711321723 A CN201711321723 A CN 201711321723A CN 108109136 A CN108109136 A CN 108109136A
- Authority
- CN
- China
- Prior art keywords
- dust
- detection
- panel
- filtering
- picture
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 238000001914 filtration Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000000428 dust Substances 0.000 claims abstract description 191
- 230000007547 defect Effects 0.000 claims abstract description 45
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 6
- 230000007246 mechanism Effects 0.000 abstract description 2
- 230000004048 modification Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 abstract description 2
- 239000002245 particle Substances 0.000 description 21
- 238000012545 processing Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种面板检测中表面灰尘快速过滤方法及装置，获取面板上表面灰尘为亮点或亮斑的第一检测画面；判断该面板上表面灰尘覆盖量，若灰尘覆盖量为少量则将灰尘直接过滤，若灰尘覆盖量为大量则过滤大颗粒的灰尘，并利用灰尘为暗点或暗斑的第二检测画面检出的缺陷再到第一检测画面下进行灰尘复判。该方法无需对当前的光学自动检测算法进行根本性修改，只需要增加灰尘量覆盖程度的预判功能和缺陷的复判机制。同时该方法简单有效且更为合理优化，不会影响检测结果的准确性，而且能够起到减少检测的节拍时间的作用，具有容易实现、节省时间、实用性高的特点。
Description
技术领域
本发明涉及图像缺陷领域，具体地涉及一种面板检测中表面灰尘快速过滤方法及装置。
背景技术
在使用AOI对LCD的面板缺陷检测中，面板表面的灰尘过滤是检测方法中很重要的一个环节，直接影响到缺陷检测结果的准确性。LCD面板在生产过程中，其表面不可避免地会沾上灰尘，但是其表面覆盖灰尘量的程度差异较大，附图1为两种不同灰尘覆盖程度情况。对于LCD面板表面覆盖少量灰尘的情况，通过AOI检测方法可以较快将所有的灰尘检测并过滤掉；而对于LCD面板表面覆盖大量灰尘的情况，检测出所有灰尘需要耗费更多的TT。但是面板厂商为了保证生产线的正常运行对AOI缺陷检测的TT有严格要求，且要尽可能地减少不必要的TT。
发明内容
本发明就是针对现有技术的不足，提供了一种节约计算所有灰尘计算耗时、同时也避免了阈值参数的选择带来漏检的面板检测中表面灰尘快速过滤方法及装置。
为了实现上述目的，本发明所设计的一种面板检测中表面灰尘快速过滤方法，其特殊之处在于，包括以下步骤：
S1获取面板上表面灰尘为亮点或亮斑的第一检测画面；
S2判断该面板上表面灰尘覆盖量，若灰尘覆盖量为少量则进行步骤s3的操作，若灰尘覆盖量为大量则进行步骤s4操作；
S3将灰尘直接过滤掉；
S4过滤大颗粒的灰尘，并利用灰尘为暗点或暗斑的第二检测画面检出的缺陷再到第一检测画面下进行灰尘复判。
进一步地，所述步骤S2中采用阈值分割法对第一检测画面上表面灰尘的覆盖量进行判断。
进一步地，所述步骤S3的具体过程如下：
先将图像采用均值滤波进行纹理抑制；
再将原图像减滤波后的图像，并按设定的低灰度阈值分割出图中的全部亮斑，并将结果标记为灰尘。
进一步地，所述步骤S4中过滤大颗粒的灰尘采用设置高灰度阈值进行分割。
进一步地，所述步骤S4中过滤大颗粒的灰尘具体过程如下：
先将图像采用均值滤波进行纹理抑制；
再将原图像减滤波后的图像，分割出图中的明显亮斑。
进一步地，所述步骤S4的具体过程如下：
S41过滤大颗粒的灰尘，则是将检出缺陷位置标记为灰尘；
S42在第二检测画面下，首先判断当前缺陷的被检出结果是否为暗点或暗斑，如果是，则进行步骤S43，否则直接结束；
S43在第一检测画面下判定该缺陷所在位置处是否有亮点或亮斑，如果是则将其标记为灰尘，否则直接结束。
进一步地，还包括获取面板下表面灰尘光学检测图片，并采用自动光学检测方法对灰尘进行过滤。
另一方面，本发明还设计了一种面板检测中表面灰尘快速过滤装置，其特殊之处在于：所述装置包括：
面板缺陷检测单元，用于获取面板缺陷信息，包括用于获取面板上表面灰尘为亮点或亮斑的第一检测画面；
面板灰尘过滤单元，用于过滤面板灰尘，包括用于判断面板上表面灰尘覆盖量，若灰尘覆盖量为少量则直接将灰尘过滤掉；若灰尘覆盖量为大量则过滤大颗粒的灰尘，并利用灰尘为暗点或暗斑的第二检测画面检出的缺陷再到第一检测画面下进行灰尘复判。
进一步地，所述面板灰尘过滤单元用于过滤大颗粒的灰尘，并利用灰尘为暗点或暗斑的第二检测画面检出的缺陷再到第一检测画面下进行灰尘复判具体操作为：
过滤大颗粒的灰尘，则是将检出缺陷位置标记为灰尘；
在其他画面下，首先判断当前缺陷的被检出结果是否为暗点或暗斑，如果是，则在第一检测画面判定该缺陷所在位置处是否有亮点或亮斑，如果是则将其标记为灰尘，否则直接结束；如果不是则直接结束。
进一步地，所述面板灰尘过滤单元还用于采用自动光学检测方法对面板下表面灰尘进行过滤。
本发明的优点在于：对不同灰尘覆盖程度的面板表面图像分别采用不同的灰尘过滤方法，为阈值的合理选取问题提供一个新途径。增加了第一检测画面的灰尘覆盖程度的预判，将灰尘过滤处理的过程进行了精细合理的划分。
1、在不影响检测结果准确性前提下，提高了自动光学检测算法的效率。
2、将面板表面灰尘覆盖程度进行分类处理，增强了自动光学检测算法的检测环境自适应性。
3、优化阈值设置，消除单一阈值设置可能带来的漏检问题。
4、能够降低整个检测过程的节拍时间，为产线节省了一定工时。
附图说明
图1为Particle画面下面板表面覆盖的少量灰尘图样和大量灰尘图样的对比。
图2为LCD面板上下表面灰尘图像拍摄的示意图。
图3为本发明面板检测中表面灰尘快速过滤总体流程图。
图4为基于灰尘的覆盖量预判的上表面灰尘过滤流程图。
图5为两种不同灰尘覆盖量的Particle画面进行上表面灰尘过滤处理过程对比。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细描述：
本发明使用到的术语如下表：
现有技术中，由于LCD面板表面灰尘包含了上表面的灰尘和下表面的灰尘，一般都会单独拍摄两张图像，Particle画面图和ParticleDown画面图，面板上下表面灰尘图像拍摄的示意如图2所示。首先在ParticleDown画面，拍摄下表面灰尘图像，由于透光差的位置一般是下表面所在的位置，故而在下表面灰尘过滤图像中进行暗点的检测，该暗点或者暗斑即为背后灰尘，该侧灰尘采用现有技术实现过滤，具体可以采用根据缺陷历史轨迹信息的过滤技术实现过滤，该技术参考专利号为20170343204.9的中国专利“一种面板灰尘过滤方法及装置”。然后在Particle画面，拍摄上表面过滤图像时开启了上下侧光灯和左右侧光灯，上表面的灰尘能够被均匀的照亮，在上表面过滤图像中进行亮点或亮斑的检测即可得到表面灰尘所在的位置，检测该侧灰尘不区分面板表面覆盖灰尘量的程度，现有技术采用较低灰度阈值将拍摄到的图像中所有灰尘都检出并过滤掉。
现有的针对上表面灰尘过滤的技术方案存在以下问题：
1、并不是所有的LCD面板上表面覆盖的灰尘中都会在其他画面拍摄图像中显现出来，其他画面包含且不限于R255、G255、B255、L255、L48等。一些极微小的灰尘颗粒可能不会影响其他画面成像，采用把所有灰尘都检测提取出来的方式显然不是最优方案，本发明的灰尘主要包括颗粒、异物斑，对于面板表面的凹坑或者凸起是属于面板外观检测范畴，不在本发明所属缺陷的检测范围，即使检出并过滤掉也不影响检测结果。
术语R255、G255、B255、L255、L48的解释如下：
R255：单色红，且红色的值为255，RGB(255,0,0)画面；
G255：单色绿，且绿色的值为255，RGB(0,255,0)画面；
B255：单色蓝，且蓝色的值为255，RGB(0,0,255)画面；
L48：48灰阶画面，RGB的值均为48，RGB(48,48,48)画面；
L255类似L48，L255为RGB(255,255,255)画面。
2、采用低阈值的缺陷检测方式，会给检测方法的计算量带来负担，进而增加整个AOI缺陷检测的TT。
本发明的目的在于针对LCD面板表面覆盖灰尘量的程度不同，提出一种面板检测中上表面灰尘快速过滤的方法。该方法将LCD面板上表面覆盖灰尘量的程度区分为少量灰尘和大量灰尘情况，对少量灰尘情况采取低阈值的缺陷检测策略全部检出并过滤，而对大量灰尘情况采用较高阈值部分检出并过滤掉，并利用其他画面检出的缺陷再到Particle画面下进行复判确认是否为灰尘过检。
该方法无需对当前的AOI检测算法进行根本性修改，只需要增加Particle画面的灰尘量覆盖程度的预判功能和缺陷的复判机制。同时该方法简单有效且更为合理优化，不会影响检测结果的准确性，而且能够起到减少检测的TT的作用，具有容易实现、节省时间、实用性高的特点。
本发明的方法具体流程如下：
本发明的总体流程图如图3所示，其中缺陷检测与下表面灰尘的过滤属于已有的完整技术，在这里不详细展开，此流程着重体现上表面灰尘过滤的方法。
总体流程执行如下：
第一步：对LCD面板所有待检测的画面进行缺陷检测。
第二步：对检测的缺陷进行下表面灰尘的过滤。
第三步：对Particle画面上表面灰尘的覆盖量进行预判断。
第四步：根据上表面灰尘的覆盖量情况，选择不同的方式进行灰尘过滤。
第五步：将其他画面检出的缺陷在Particle画面下进行判定，确认其是否为灰尘。
具体实现方式为：
对面板上表面灰尘的过滤需要进行灰尘图像的预判断，分不同情况进行灰尘的过滤处理，具体实现流程如图4中所示。
下面列出上表面灰尘过滤处理的具体步骤：
对Particle画面上表面灰尘的覆盖量进行预判断具体采用简单的阈值分割方式粗略提取并统计亮点或亮斑，即灰尘数量。
根据上表面灰尘的覆盖量情况，选择不同的方式进行灰尘过滤具体为：根据设定标准判断Particle画面的灰尘覆盖量是大量灰尘情况还是少量灰尘情况。如果是大量灰尘覆盖情况，则执行下面第一、第二步；如果是少量灰尘覆盖情况，则执行下面第第三步。
第一步，针对面板大量的灰尘，设置较高的阈值HThresh(取值范围130～150)，以便那些检出较明显而数量相对较少的灰尘，并将这些检出结果的位置标记为灰尘。
第二步，对于第一步中没有过滤掉的灰尘，可通过其他画面检出的缺陷结果复判进行过滤：
在其他画面中，首先判断当前缺陷的被检出结果是否为暗点或暗斑，如果是则进行下一步b，否则直接结束。
在Particle画面判定该缺陷所在位置处是否有亮点或亮斑，如果是则将其标记为灰尘，否则直接结束。
第三步针对面板少量的灰尘，设置较低的阈值LThresh(取值范围10～20)，检出面板上存在的所有灰尘，并将这些检出结果的位置标记为灰尘。
根据上表面灰尘过滤处理方法，对两张不同的灰尘覆盖量的Particle画面进行了灰尘过滤处理操作，具体的执行方式和阈值参数选择如图5所示，做边画面为少量灰尘情况，右边画面为大量灰尘情况。通过Particle画面的灰尘覆盖量的预判，将灰尘数量阈值设为NumTh＝200，这两张Particle画面分别划分为少量灰尘情况和大量灰尘情况来处理。对于少量灰尘情况，灰度阈值LThresh设置为10，此时能将图中全部的(37个)灰尘亮斑检出并过滤掉；对于大量灰尘情况，灰度阈值HThresh设置为150，只检出部分(115个)明显的灰尘亮斑，其余的先不检出，并根据需要记录灰尘亮斑相关数据，通过其他画面检出的缺陷在Particle画面进行对比度计算来判定是否是灰尘，使用这种方式节约了计算所有灰尘的计算耗时，同时也避免了阈值参数的选择带来的困扰。
另一方面，本发明还设计了一种面板检测中表面灰尘快速过滤装置，其特殊之处在于，所述装置包括：
面板缺陷检测单元，用于对面板进行缺陷检测；
面板下表面灰尘过滤单元，用于对当前检测面板下表面灰尘做过滤操作；
面板上表面灰尘判断单元，用于对当前检测面板Particle画面的上表面灰尘覆盖量进行预判断；
面板上表面灰尘过滤单元，根据上表面灰尘的覆盖量情况，选择直接过滤灰尘或者部分过滤灰尘；
面板上表面灰尘复判单元，用于根据上表面灰尘的覆盖量情况，选择直接过滤灰尘或者先过滤明显灰尘。
进一步地，所述面板上表面灰尘过滤单元包括：
灰尘判断过滤单元，该单元用于：
根据设定阈值判断Particle画面的上表面灰尘覆盖量是大量灰尘情况还是少量灰尘情况；
根据设定的阈值检出明显的灰尘，并将检测结果的位置标记为灰尘；
根据设定的阈值检出所有灰尘，并将这些检出结果标记为灰尘。
进一步地，所述面板上表面灰尘复判单元包括：
复判检测单元，该单元用于：
在其他画面下，判断当前缺陷的被检出结果是否为暗点或暗斑；
在Particle画面判定该缺陷所在位置处是否有亮点或亮斑；
将缺陷标记为灰尘。
本发明针对LCD缺陷检测过程中上表面灰尘过滤处理，通过考虑面板表面灰尘覆盖量的程度不同，提出了一种简单、快速、行之有效的方法，其具有的创新点如下：
1、增加了Particle画面的灰尘覆盖程度的预判，将灰尘过滤处理的过程进行了精细合理的划分。
2、对不同灰尘覆盖程度的面板表面图像分别采用不同的灰尘过滤方法，为阈值的合理选取问题提供一个新途径。
3、采用较高阈值检出部分明显缺陷结合其他画面缺陷在Particle画面进行复判的策略，提高了上表面灰尘过滤的效率。
4、采用低阈值检出灰尘缺陷策略，能够对覆盖少量灰尘的面板一次性快速过滤掉灰尘。
此外，本发明与现有技术比较，能够带来的有益效果有：
1、在不影响检测结果准确性前提下，提高了AOI检测算法的效率
2、将面板表面灰尘覆盖程度进行分类处理，增强了AOI检测算法的检测环境自适应性。
3、优化阈值设置，消除单一阈值设置可能带来的漏检问题。
4、能够降低整个检测过程的TT，为产线节省了一定工时。
总体来说，该方法能够在保证面板表面灰尘完全过滤的前提下，提升了AOI检测***的效率。
上述仅为本发明的构思作举例说明。本发明并不局限于此，凡对本发明进行的非实质性的改动，均应属于侵犯本发明保护范围的行为。
Claims (10)
1.一种面板检测中表面灰尘快速过滤方法，其特征在于，包括以下步骤：
S1获取面板上表面灰尘为亮点或亮斑的第一检测画面；
S2判断该面板上表面灰尘覆盖量，若灰尘覆盖量为少量则进行步骤s3的操作，若灰尘覆盖量为大量则进行步骤s4操作；
S3将灰尘直接过滤掉；
S4过滤大颗粒的灰尘，并利用灰尘为暗点或暗斑的第二检测画面检出的缺陷再到第一检测画面下进行灰尘复判。
2.根据权利要求1所述的面板检测中表面灰尘快速过滤方法，其特征在于：所述步骤S2中采用阈值分割法对第一检测画面上表面灰尘的覆盖量进行判断。
3.根据权利要求1所述的面板检测中表面灰尘快速过滤方法，其特征在于：所述步骤S3的具体过程如下：
先将图像采用均值滤波进行纹理抑制；
再将原图像减滤波后的图像，并按设定的低灰度阈值分割出图中的全部亮斑，并将结果标记为灰尘。
4.根据权利要求1所述的面板检测中表面灰尘快速过滤方法，其特征在于：所述步骤S4中过滤大颗粒的灰尘采用设置高灰度阈值进行分割。
5.根据权利要求4所述的面板检测中表面灰尘快速过滤方法，其特征在于：所述步骤S4中过滤大颗粒的灰尘具体过程如下：
先将图像采用均值滤波进行纹理抑制；
再将原图像减滤波后的图像，分割出图中的明显亮斑。
6.根据权利要求1所述的面板检测中表面灰尘快速过滤方法，其特征在于：所述步骤S4的具体过程如下：
S41过滤大颗粒的灰尘，则是将检出缺陷位置标记为灰尘；
S42在第二检测画面下，首先判断当前缺陷的被检出结果是否为暗点或暗斑，如果是，则进行步骤S43，否则直接结束；
S43在第一检测画面下判定该缺陷所在位置处是否有亮点或亮斑，如果是则将其标记为灰尘，否则直接结束。
7.根据权利要求1所述的面板检测中表面灰尘快速过滤方法，其特征在于：还包括获取面板下表面灰尘光学检测图片，并采用自动光学检测方法对灰尘进行过滤。
8.一种面板检测中表面灰尘快速过滤装置，其特征在于：所述装置包括：
面板缺陷检测单元，用于获取面板缺陷信息，包括用于获取面板上表面灰尘为亮点或亮斑的第一检测画面；
面板灰尘过滤单元，用于过滤面板灰尘，包括用于判断面板上表面灰尘覆盖量，若灰尘覆盖量为少量则直接将灰尘过滤掉；若灰尘覆盖量为大量则过滤大颗粒的灰尘，并利用灰尘为暗点或暗斑的第二检测画面检出的缺陷再到第一检测画面下进行灰尘复判。
9.一种面板检测中表面灰尘快速过滤装置，其特征在于：所述面板灰尘过滤单元用于过滤大颗粒的灰尘，并利用灰尘为暗点或暗斑的第二检测画面检出的缺陷再到第一检测画面下进行灰尘复判具体操作为：
过滤大颗粒的灰尘，则是将检出缺陷位置标记为灰尘；
在其他画面下，首先判断当前缺陷的被检出结果是否为暗点或暗斑，如果是，则在第一检测画面判定该缺陷所在位置处是否有亮点或亮斑，如果是则将其标记为灰尘，否则直接结束；如果不是则直接结束。
10.一种面板检测中表面灰尘快速过滤装置，其特征在于：所述面板灰尘过滤单元还用于采用自动光学检测方法对面板下表面灰尘进行过滤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711321723.1A CN108109136A (zh) | 2017-12-12 | 2017-12-12 | 一种面板检测中表面灰尘快速过滤方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711321723.1A CN108109136A (zh) | 2017-12-12 | 2017-12-12 | 一种面板检测中表面灰尘快速过滤方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108109136A true CN108109136A (zh) | 2018-06-01 |
Family
ID=62216682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711321723.1A Pending CN108109136A (zh) | 2017-12-12 | 2017-12-12 | 一种面板检测中表面灰尘快速过滤方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108109136A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108961185A (zh) * | 2018-06-29 | 2018-12-07 | 凌云光技术集团有限责任公司 | 一种Demura检测中去除灰尘干扰的方法及装置 |
| CN109613004A (zh) * | 2018-12-13 | 2019-04-12 | 武汉精立电子技术有限公司 | 一种背光检中缺陷显示方法 |
| CN109900723A (zh) * | 2019-04-26 | 2019-06-18 | 李配灯 | 玻璃表面缺陷检测方法及装置 |
| CN112862800A (zh) * | 2021-02-25 | 2021-05-28 | 歌尔科技有限公司 | 缺陷检测方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
| CN103871034A (zh) * | 2014-03-22 | 2014-06-18 | 四川大学 | 一种自适应的图像椒盐噪声滤除方法 |
| US20150281491A1 (en) * | 2014-03-31 | 2015-10-01 | Brother Kogyo Kabushiki Kaisha | Image reading apparatus and non-transitory computer readable medium |
| CN107154041A (zh) * | 2017-05-16 | 2017-09-12 | 武汉精测电子技术股份有限公司 | 一种用于显示面板缺陷分类的学习方法 |
| CN107219229A (zh) * | 2017-05-16 | 2017-09-29 | 武汉精测电子技术股份有限公司 | 一种面板灰尘过滤方法及装置 |
-
2017
- 2017-12-12 CN CN201711321723.1A patent/CN108109136A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
| CN103871034A (zh) * | 2014-03-22 | 2014-06-18 | 四川大学 | 一种自适应的图像椒盐噪声滤除方法 |
| US20150281491A1 (en) * | 2014-03-31 | 2015-10-01 | Brother Kogyo Kabushiki Kaisha | Image reading apparatus and non-transitory computer readable medium |
| CN107154041A (zh) * | 2017-05-16 | 2017-09-12 | 武汉精测电子技术股份有限公司 | 一种用于显示面板缺陷分类的学习方法 |
| CN107219229A (zh) * | 2017-05-16 | 2017-09-29 | 武汉精测电子技术股份有限公司 | 一种面板灰尘过滤方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 孟祥凡: "平板显示器表面缺陷自动检测***中的自动聚焦与缺陷分类的研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108961185A (zh) * | 2018-06-29 | 2018-12-07 | 凌云光技术集团有限责任公司 | 一种Demura检测中去除灰尘干扰的方法及装置 |
| CN109613004A (zh) * | 2018-12-13 | 2019-04-12 | 武汉精立电子技术有限公司 | 一种背光检中缺陷显示方法 |
| CN109900723A (zh) * | 2019-04-26 | 2019-06-18 | 李配灯 | 玻璃表面缺陷检测方法及装置 |
| CN112862800A (zh) * | 2021-02-25 | 2021-05-28 | 歌尔科技有限公司 | 缺陷检测方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108109136A (zh) | 一种面板检测中表面灰尘快速过滤方法及装置 | |
| CN104749184B (zh) | 自动光学检测方法和*** | |
| CN104899871B (zh) | 一种ic元件焊点空焊检测方法 | |
| CN102834689B (zh) | 粒子测定装置以及粒子测定方法 | |
| EP0868705B1 (en) | Boundary mapping system and method | |
| US8606002B2 (en) | Apparatus, method and article for evaluating a stack of objects in an image | |
| CN105453153B (zh) | 交通灯检测 | |
| CN110044405B (zh) | 一种基于机器视觉的汽车仪表自动化检测装置及方法 | |
| US20080205747A1 (en) | Defect detecting device, defect detecting method, image sensor device, image sensor module, defect detecting program, and computer-readable recording medium | |
| CN109115785A (zh) | 一种铸件打磨质量检测方法、装置及其使用方法 | |
| CN105139397B (zh) | 一种pcb板检测方法及装置 | |
| CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
| WO2007074770A1 (ja) | 画像解析によって欠陥検査を行う欠陥検査装置 | |
| CN112798613B (zh) | Lcd异物缺陷彩色成像检测方法、电子设备及存储介质 | |
| CN104867145A (zh) | 基于vibe模型的ic元件焊点缺陷检测方法 | |
| WO2006028571B1 (en) | Method for visual inspection of printed matter on moving lids | |
| CN111724375B (zh) | 一种屏幕检测方法及*** | |
| CN116168218A (zh) | 一种基于图像识别技术的电路板故障诊断方法 | |
| CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
| CN108171098A (zh) | 一种条码检测方法及设备 | |
| KR20050022320A (ko) | 결함 검사 방법 및 장치 | |
| CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
| JP3797499B2 (ja) | 水路流出入物監視装置 | |
| CN112801963B (zh) | 一种视频图像遮挡检测方法及*** | |
| JP4036048B2 (ja) | 欠陥識別方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180601 |
|
| RJ01 | Rejection of invention patent application after publication |