CN109725002A - 一种基于aoi的基板缺陷类别判别方法 - Google Patents
一种基于aoi的基板缺陷类别判别方法 Download PDFInfo
- Publication number
- CN109725002A CN109725002A CN201910064764.XA CN201910064764A CN109725002A CN 109725002 A CN109725002 A CN 109725002A CN 201910064764 A CN201910064764 A CN 201910064764A CN 109725002 A CN109725002 A CN 109725002A
- Authority
- CN
- China
- Prior art keywords
- pixel
- aoi
- bad
- base board
- area
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000000758 substrate Substances 0.000 claims abstract description 29
- 238000003909 pattern recognition Methods 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 abstract description 5
- 239000011521 glass Substances 0.000 abstract description 5
- 229920002120 photoresistant polymer Polymers 0.000 abstract description 5
- 239000002184 metal Substances 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000013467 fragmentation Methods 0.000 description 5
- 238000006062 fragmentation reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 239000005357 flat glass Substances 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种基于AOI的基板缺陷类别判别方法,包括以下步骤:利用AOI扫描基板得到整片基板的灰阶图像;对灰阶图像进行识别,以识别出位于基板的边缘区域的不良区,并记录不良区的面积尺寸S1和长度尺寸L1;将S1与设定面积尺寸范围比对,并将L1与设定长度尺寸范围比对;根据比对结果判别所述不良区的缺陷的类别。利用五点比对法检测出基板上的不良像素点后,利用图形识别技术识别出由一定范围内不良像素点连接形成的不良区,并记录不良区的面积尺寸S1和长度尺寸L1,在对基板缺陷类别进行判别时,将不良区的面积尺寸和长度尺寸同时作为判别条件,可有效过滤掉大面积分布的圆形或扇形光阻残留和金属残留,达到精准侦测到玻璃边缘裂痕及缺角的效果。
Description
技术领域
本发明涉及显示面板生产技术领域,尤其涉及一种基于AOI的基板缺陷类别判别方法。
背景技术
在液晶显示面板的彩膜基板的制程生产流程中,通过AOI(自动光学检测)设备承担制程缺陷检出的角色,可将有裂痕及缺角的基板玻璃拦截在当前站,同时避免异常后流造成更大的污染及损失。
由于在基板玻璃边缘容易存在诸多不良,目前,利用AOI设备检测判别基板缺陷类别时,容易将基板玻璃边缘的脏污、光阻残留也当作裂痕及缺角检出,导致破片检测误报率非常高。
发明内容
本发明提供一种基于AOI的基板缺陷类别判别方法,以解决彩膜基板的制造生产流程中,破片检测误报率非常高的技术问题。
为解决上述问题,本发明提供的技术方案如下:
一种基于AOI的基板缺陷类别判别方法,包括以下步骤:
S10、利用AOI扫描基板得到整片基板的灰阶图像;
S20、利用图形识别技术对所述灰阶图像进行识别,以识别出位于所述基板的边缘区域的不良区,并记录所述不良区的面积尺寸S1和长度尺寸L1;
S30、将S1与设定面积尺寸范围比对,并将L1与设定长度尺寸范围比对;
S40、根据比对结果判别所述不良区的缺陷的类别。
进一步的,所述基板缺陷类别判别方法还包括:
S50、若所述S1在所述设定面积尺寸范围内,并且,所述L1在所述设定长度尺寸范围内,则所述不良区的缺陷为裂痕。
进一步的,所述基板缺陷类别判别方法还包括:
S60、若所述S1未在所述设定面积尺寸范围内或/和所述L1未在所述设定长度尺寸范围内,则所述不良区的缺陷为脏污。
进一步的,所述步骤S20包括:
S21、取所述基板上的五个像素点的灰阶值,并记录五个像素点的灰阶值的平均值a;
S22、记录测量像素点的灰阶值b,通过b减去a,得到差值c;
S23、求取灰阶中心值与c之和,得到所述测量像素点的灰阶逻辑值d;
S24、将d与设定灰阶值范围比对,根据比对结果判别所述测量像素点是否为不良像素点。
进一步的,所述步骤S21包括:
S211、取第一像素点的灰阶值a1;
S212、取位于所述第一像素点上侧的第二像素点的灰阶值a2、取位于所述第一像素点下侧的第三像素点的灰阶值a3、取位于所述第一像素点左侧的第四像素点的灰阶值a4、取位于所述第一像素点右侧的第五像素点的灰阶值a5;
S213、求取上述五个所述像素点的灰阶值的平均值,并记录为a。
进一步的,所述步骤S24包括:
S241、若d在设定灰阶值范围内,则所述测量像素点正常。
进一步的,所述步骤S24包括:
S242、若d未在设定灰阶值范围内,则所述测量像素点为不良像素点。
进一步的,所述设定面积尺寸范围为2000~3500像素。
进一步的,所述设定长度尺寸范围为1300~2000微米。
进一步的,所述设定灰阶值范围为90~160。
本发明的有益效果为:利用五点比对法检测出基板上的不良像素点后,利用图形识别技术识别出由一定范围内不良像素点连接形成的不良区,并记录不良区的面积尺寸S1和长度尺寸L1,在对基板缺陷类别进行判别时,将不良区的面积尺寸和长度尺寸同时作为判别条件,可有效过滤掉大面积分布的圆形或扇形光阻残留和金属残留,达到精准侦测到玻璃边缘裂痕及缺角的效果。
附图说明
为了更清楚地说明实施例或现有技术中的技术方案,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介绍,显而易见地,下面描述中的附图仅仅是发明的一些实施例,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为本发明具体实施方式中基板缺陷类别判别的步骤示意图;
图2为本发明具体实施方式中五点比对法的步骤示意图;
图3为本发明具体实施方式中基板的示意图。
具体实施方式
以下各实施例的说明是参考附加的图示,用以例示本发明可用以实施的特定实施例。本发明所提到的方向用语,例如[上]、[下]、[前]、[后]、[左]、[右]、[内]、[外]、[侧面]等,仅是参考附加图式的方向。因此,使用的方向用语是用以说明及理解本发明,而非用以限制本发明。在图中,结构相似的单元是用以相同标号表示。
本发明针对现有的彩膜基板的制造生产流程中,利用AOI设备检测判别基板缺陷类别时,破片检测误报率非常高的技术问题。本发明能够解决上述问题。
一种基于AOI的基板缺陷类别判别方法,如图1所示,包括以下步骤:
S10、利用AOI扫描基板10得到整片基板10的灰阶图像;
S20、利用图形识别技术对所述灰阶图像进行识别,以识别出位于所述基板10的边缘区域的不良区,并记录所述不良区的面积尺寸S1和长度尺寸L1;
S30、将S1与设定面积尺寸范围比对,并将L1与设定长度尺寸范围比对;
S40、根据比对结果判别所述不良区的缺陷的类别。
需要了解的是,AOI为自动光学检测设备。在基板10上的不良中,裂痕与脏污形态有明显的差异,脏污是面积大而零散分布,呈斑点状;而裂痕是细而长,呈贯穿状;在对基板缺陷类别进行判别时,将不良区的面积尺寸和长度尺寸同时作为判别条件,可有效过滤掉大面积分布的圆形或扇形光阻残留和金属残留,达到精准侦测玻璃边缘裂痕及缺角的效果,保证可以及时拦截到破片,同时降低破片检测误报率,减少异常导致的产能损失及产品污染。
具体的,所述基板缺陷类别判别方法还包括:
S50、若所述S1在所述设定面积尺寸范围内,并且,所述L1在所述设定长度尺寸范围内,则所述不良区的缺陷为裂痕;
S60、若所述S1未在所述设定面积尺寸范围内或/和所述L1未在所述设定长度尺寸范围内,则所述不良区的缺陷为脏污。
将不良区的面积尺寸和长度尺寸同时作为判别条件,只有在缺陷的面积尺寸在设定面积尺寸范围内,同时缺陷的长度尺寸在设定长度尺寸范围内时,才会将缺陷类型判别为裂痕,达到精准侦测到玻璃边缘裂痕及缺角的效果。
其中,所述设定面积尺寸范围为2000~3500像素,所述设定长度尺寸范围为1300~2000微米。
具体的,所述基板10上设置有多个呈阵列分布的像素点,如图2所示,所述步骤S20包括:
S21、取所述基板10上的五个像素点的灰阶值,并记录五个像素点的灰阶值的平均值a;
S22、记录测量像素点的灰阶值b,通过b减去a,得到差值c;
S23、求取灰阶中心值与c之和,得到所述测量像素点的灰阶逻辑值d;
S24、将d与设定灰阶值范围比对,根据比对结果判别所述测量像素点是否为不良像素点。
需要说明的是,灰阶值指黑白图像中点的颜色深度,范围为0~255,其中,黑色为0,白色为255,颜色越深,灰阶值越小。
其中,c=b-a,c可以为正值,也可以为负值,灰阶中心值为128,则d=128+b-a。
采用五点比对法来对基板10上的像素点进行判别,不良像素点的灰阶值与设定灰阶值范围有明显差别,从而达到更加准确和快速的检测出不良像素点的目的;像素点的长为10微米,宽为7.5微米,一定范围内的不良子像素点容易连接在一起形成一个不良区。
其中,所述设定灰阶值范围为90~160。
在一实施方式中,五个像素点为随机选取。
在另一实施方式中,五个像素点间存在特定的位置关系。
具体的,如图3所示,所述步骤S21包括:
S211、取第一像素点20的灰阶值a1;
S212、取位于所述第一像素点20上侧的第二像素点30的灰阶值a2、取位于所述第一像素点20下侧的第三像素点40的灰阶值a3、取位于所述第一像素点20左侧的第四像素点50的灰阶值a4、取位于所述第一像素点20右侧的第五像素点60的灰阶值a5;
S213、求取上述五个所述像素点的灰阶值的平均值,并记录为a。
其中,a=(a1+a2+a3+a4+a5)÷5,随机选取第一像素点20后,在第一像素点20的上下左右方向各选取一个像素点,从而使得选取的像素点的灰阶值更具有代表性,使得检测结果更加准确。
进一步的,所述步骤S24包括:
S241、若d在设定灰阶值范围内,则所述测量像素点正常;
S242、若d未在设定灰阶值范围内,则所述测量像素点为不良像素点。
本发明的有益效果为:利用五点比对法检测出基板10上的不良像素点后,利用图形识别技术识别出由一定范围内不良像素点连接形成的不良区,并记录不良区的面积尺寸S1和长度尺寸L1,在对基板10缺陷类别进行判别时,将不良区的面积尺寸和长度尺寸同时作为判别条件,可有效过滤掉大面积分布的圆形或扇形光阻残留和金属残留,达到精准侦测到玻璃边缘裂痕及缺角的效果。
实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,因此本发明的保护范围以权利要求界定的范围为准。
Claims (10)
1.一种基于AOI的基板缺陷类别判别方法,其特征在于,包括以下步骤:
S10、利用AOI扫描基板得到整片基板的灰阶图像;
S20、利用图形识别技术对所述灰阶图像进行识别,以识别出位于所述基板的边缘区域的不良区,并记录所述不良区的面积尺寸S1和长度尺寸L1;
S30、将S1与设定面积尺寸范围比对,并将L1与设定长度尺寸范围比对;
S40、根据比对结果判别所述不良区的缺陷的类别。
2.根据权利要求1所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述基板缺陷类别判别方法还包括:
S50、若所述S1在所述设定面积尺寸范围内,并且,所述L1在所述设定长度尺寸范围内,则所述不良区的缺陷为裂痕。
3.根据权利要求2所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述基板缺陷类别判别方法还包括:
S60、若所述S1未在所述设定面积尺寸范围内或/和所述L1未在所述设定长度尺寸范围内,则所述不良区的缺陷为脏污。
4.根据权利要求1所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述步骤S20包括:
S21、取所述基板上的五个像素点的灰阶值,并记录五个像素点的灰阶值的平均值a;
S22、记录测量像素点的灰阶值b,通过b减去a,得到差值c;
S23、求取灰阶中心值与c之和,得到所述测量像素点的灰阶逻辑值d;
S24、将d与设定灰阶值范围比对,根据比对结果判别所述测量像素点是否为不良像素点。
5.根据权利要求4所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述步骤S21包括:
S211、取第一像素点的灰阶值a1;
S212、取位于所述第一像素点上侧的第二像素点的灰阶值a2、取位于所述第一像素点下侧的第三像素点的灰阶值a3、取位于所述第一像素点左侧的第四像素点的灰阶值a4、取位于所述第一像素点右侧的第五像素点的灰阶值a5;
S213、求取上述五个所述像素点的灰阶值的平均值,并记录为a。
6.根据权利要求4所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述步骤S24包括:
S241、若d在设定灰阶值范围内,则所述测量像素点正常。
7.根据权利要求6所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述步骤S24包括:
S242、若d未在设定灰阶值范围内,则所述测量像素点为不良像素点。
8.根据权利要求1所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述设定面积尺寸范围为2000~3500像素。
9.根据权利要求1所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述设定长度尺寸范围为1300~2000微米。
10.根据权利要求7所述的基于AOI的基板缺陷类别判别方法,其特征在于,所述设定灰阶值范围为90~160。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064764.XA CN109725002A (zh) | 2019-01-23 | 2019-01-23 | 一种基于aoi的基板缺陷类别判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064764.XA CN109725002A (zh) | 2019-01-23 | 2019-01-23 | 一种基于aoi的基板缺陷类别判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109725002A true CN109725002A (zh) | 2019-05-07 |
Family
ID=66298438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910064764.XA Pending CN109725002A (zh) | 2019-01-23 | 2019-01-23 | 一种基于aoi的基板缺陷类别判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109725002A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007086A (zh) * | 2019-11-25 | 2020-04-14 | 合肥维信诺科技有限公司 | 缺陷检测方法和装置、存储介质 |
CN112198685A (zh) * | 2020-10-30 | 2021-01-08 | 成都中电熊猫显示科技有限公司 | Coa基板检测方法及装置 |
CN114216915A (zh) * | 2021-12-15 | 2022-03-22 | 江门市浩远科技有限公司 | 一种基于线路板污渍和缺陷类型类别级别检测分类的方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0978717A1 (en) * | 1998-02-19 | 2000-02-09 | Asahi Glass Company Ltd. | Plate glass shatter testing method, device, imaging method for glass testing and image signal processing method |
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN103674965A (zh) * | 2013-12-06 | 2014-03-26 | 深圳市大族激光科技股份有限公司 | 一种晶圆外观缺陷的分类以及检测方法 |
US20160011473A1 (en) * | 2007-12-03 | 2016-01-14 | Semiconductor Energy Laboratory Co., Ltd. | Tft arrangement for display device |
KR20160076691A (ko) * | 2014-12-23 | 2016-07-01 | (주)씨코전자 | 차량도어용 비전검사장치 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测***及方法 |
CN107945184A (zh) * | 2017-11-21 | 2018-04-20 | 安徽工业大学 | 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法 |
CN108362712A (zh) * | 2018-03-14 | 2018-08-03 | 京东方科技集团股份有限公司 | 一种基板母板及其检测方法 |
CN108830838A (zh) * | 2018-05-28 | 2018-11-16 | 江苏大学 | 一种亚像素级的pcb板残缺基准点检测方法 |
US10134793B1 (en) * | 2017-05-16 | 2018-11-20 | Xerox Corporation | Method of forming two-dimensional and three-dimensional semiconductor chip arrays |
-
2019
- 2019-01-23 CN CN201910064764.XA patent/CN109725002A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0978717A1 (en) * | 1998-02-19 | 2000-02-09 | Asahi Glass Company Ltd. | Plate glass shatter testing method, device, imaging method for glass testing and image signal processing method |
US20160011473A1 (en) * | 2007-12-03 | 2016-01-14 | Semiconductor Energy Laboratory Co., Ltd. | Tft arrangement for display device |
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN103674965A (zh) * | 2013-12-06 | 2014-03-26 | 深圳市大族激光科技股份有限公司 | 一种晶圆外观缺陷的分类以及检测方法 |
KR20160076691A (ko) * | 2014-12-23 | 2016-07-01 | (주)씨코전자 | 차량도어용 비전검사장치 |
US10134793B1 (en) * | 2017-05-16 | 2018-11-20 | Xerox Corporation | Method of forming two-dimensional and three-dimensional semiconductor chip arrays |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测***及方法 |
CN107945184A (zh) * | 2017-11-21 | 2018-04-20 | 安徽工业大学 | 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法 |
CN108362712A (zh) * | 2018-03-14 | 2018-08-03 | 京东方科技集团股份有限公司 | 一种基板母板及其检测方法 |
CN108830838A (zh) * | 2018-05-28 | 2018-11-16 | 江苏大学 | 一种亚像素级的pcb板残缺基准点检测方法 |
Non-Patent Citations (2)
Title |
---|
张铁轶 等: ""自动光学检测的彩膜分区检查与判定"", 《液晶与显示》 * |
毛继禹 等: ""TFT-LCD行业彩膜工艺新型在线检测机的探究"", 《科技创新与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007086A (zh) * | 2019-11-25 | 2020-04-14 | 合肥维信诺科技有限公司 | 缺陷检测方法和装置、存储介质 |
CN112198685A (zh) * | 2020-10-30 | 2021-01-08 | 成都中电熊猫显示科技有限公司 | Coa基板检测方法及装置 |
CN112198685B (zh) * | 2020-10-30 | 2023-10-03 | 成都京东方显示科技有限公司 | Coa基板检测方法及装置 |
CN114216915A (zh) * | 2021-12-15 | 2022-03-22 | 江门市浩远科技有限公司 | 一种基于线路板污渍和缺陷类型类别级别检测分类的方法 |
CN114216915B (zh) * | 2021-12-15 | 2024-03-29 | 江门市浩远科技有限公司 | 一种基于线路板污渍和缺陷类型类别级别检测分类的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109725002A (zh) | 一种基于aoi的基板缺陷类别判别方法 | |
US6779159B2 (en) | Defect inspection method and defect inspection apparatus | |
US10330608B2 (en) | Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools | |
Tao et al. | Weak scratch detection and defect classification methods for a large-aperture optical element | |
CN109100363A (zh) | 一种贴合异物缺陷与灰尘的区分方法及*** | |
JPH0221541B2 (zh) | ||
CN110007493B (zh) | 液晶显示屏中碎亮点检测方法 | |
CN114994060B (zh) | 一种机器视觉下的磁环外观缺陷智能检测***及方法 | |
JP5123244B2 (ja) | 形状欠損検査装置、形状モデリング装置および形状欠損検査プログラム | |
CN110096980A (zh) | 字符检测识别*** | |
CN104568956A (zh) | 基于机器视觉的带钢表面缺陷的检测方法 | |
CN115100200A (zh) | 基于光学手段的光纤缺陷检测方法及*** | |
Fu et al. | Medicine glass bottle defect detection based on machine vision | |
CN112419229A (zh) | 一种显示屏线状缺陷检测方法、装置及存储介质 | |
JPH08189904A (ja) | 表面欠陥検出装置 | |
JP3620470B2 (ja) | 欠陥検査方法及び欠陥検査装置 | |
CN101807297A (zh) | 医学超声图像直线检测方法 | |
CN117233158A (zh) | 芯片表面缺陷检测方法及相关装置 | |
CN112669272A (zh) | 一种aoi快速检测方法及快速检测*** | |
CN109426013A (zh) | 一种彩膜基板缺陷的分析方法、检测修复方法及装置 | |
JPH01257250A (ja) | ディスク表面検査装置における欠陥種別の判別方法 | |
WO2018031567A1 (en) | Optical measurement of step size and plated metal thickness | |
CN204666534U (zh) | 光学镜片检测*** | |
CN116560123A (zh) | 一种用于移动终端的lcd粘接点胶质量检测方法 | |
Tsai et al. | Detection of gap mura in TFT LCDs by the interference pattern and image sensing method |
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 | ||
CB02 | Change of applicant information |
Address after: 9-2 Tangming Avenue, Guangming New District, Shenzhen City, Guangdong Province Applicant after: TCL China Star Optoelectronics Technology Co.,Ltd. Address before: 9-2 Tangming Avenue, Guangming New District, Shenzhen City, Guangdong Province Applicant before: Shenzhen China Star Optoelectronics Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190507 |
|
RJ01 | Rejection of invention patent application after publication |