CN110579477A - 自动修复***的缺陷检测装置及方法 - Google Patents
自动修复***的缺陷检测装置及方法 Download PDFInfo
- Publication number
- CN110579477A CN110579477A CN201810948050.0A CN201810948050A CN110579477A CN 110579477 A CN110579477 A CN 110579477A CN 201810948050 A CN201810948050 A CN 201810948050A CN 110579477 A CN110579477 A CN 110579477A
- Authority
- CN
- China
- Prior art keywords
- image
- unit
- unit pixel
- substrate
- defect
- 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P40/00—Technologies relating to the processing of minerals
- Y02P40/50—Glass production, e.g. reusing waste heat during processing or shaping
- Y02P40/57—Improving the yield, e-g- reduction of reject rates
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)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开基板的缺陷检测装置及方法。根据本发明的一方面提供一种缺陷检测装置,该缺陷检测装置用于检测基板的缺陷,其特征在于,包括:基板移送部,沿着预设方向移送上述基板;图像生成部,用于生成基板的图像;单位像素识别部,从上述基板的图像识别上述基板内所包括的单位像素;存储部,用于存储单位像素的基准图像;图像对比部,对所生成的各单位像素的图像和上述存储部内所存储的基准图像进行对比;缺陷检测部,根据对比结果,检测各单位像素内是否存在缺陷;以及控制部,用于控制上述缺陷检测装置内的各构成要素。
Description
技术领域
本发明涉及在自动修复***(Auto Repair System)中对基板内存在的缺陷进行检测的装置及方法。
背景技术
本部分所述的内容仅提供关于本实施例的背景信息,并不构成现有技术。
随着显示设备技术的显著发展,液晶显示或等离子体显示等各种方式的影像显示装置相关技术得到了很大的进步。尤其是,在实现大尺寸和高精度显示的影像显示装置中,高度的技术创新正在取得进展,以降低制造成本并提高影像质量。对于安装在这些各种设备上而为了显示影像而使用的玻璃基板也需要与以往相比更高的尺寸品位和更高精度的表面性质和状态。在制造显示设备等用途的玻璃时,使用各种制造装置来成型玻璃基板,但通常的做法是都对无机玻璃原料进行加热溶解后,对熔融玻璃进行均质化,之后成型为规定形状。此时,因玻璃原料的熔融不充分或者制造过程中无意间混入的异物或者成型装置的老化或临时的成型条件的问题以及在完成后按所需的尺寸切割的过程中所发生的缺陷等多种原因,而玻璃基板表面会出现质量异常等的缺陷。
到目前为止,已经采取了各种对策来抑制这样的玻璃基板中所发生的缺陷,但是,难以完全防止缺陷的发生,即使可以在某种程度上抑制缺陷的发生,但若没有能明确识别出有缺陷的玻璃基板的技术,则判断为良品的玻璃基板中会混合有本应处理为不良品的缺陷产品。因此,用于以高精度检测玻璃基板缺陷的技术非常重要。
作为检测玻璃基板缺陷的方法,已经广泛实施了依赖于检测员的感官的肉眼检测法,但是这种肉眼检测法,随着玻璃基板的大型化,在检测准确性和检测所需时间方面存在局限性。因此,因检测玻璃基板缺陷的肉眼检测法的限制而有必要开发一种自动检测装置。
发明内容
(发明所要解决的问题)
本发明的一个实施例的一个目的在于,提供一种分析基板的图像来检测基板内存在的缺陷的装置及方法。
(解决问题所采用的措施)
根据本发明的一个方面,提供一种缺陷检测装置,用于检测基板的缺陷,包括:基板移送部,沿着预设方向移送上述基板;图像生成部,用于生成基板的图像;单位像素识别部,从上述基板的图像识别上述基板内所包括的单位像素;存储部,用于存储单位像素的基准图像;图像对比部,对所生成的各单位像素的图像和上述存储部内所存储的基准图像进行对比;缺陷检测部,根据对比结果,检测各单位像素内是否存在缺陷;以及控制部,用于控制上述缺陷检测装置内的各构成要素。
根据本发明的一个方面,上述单位像素识别部识别各单位像素的坐标。
根据本发明的一个方面,上述单位像素识别部利用上述各单位像素的坐标来识别上述各单位像素的面积。
根据本发明的一个方面,上述控制部设定基准值,利用上述基准值上述缺陷检测部根据对比结果判断出检测对象存在缺陷。
根据本发明的一个方面,上述控制部控制上述单位像素识别部,使得上述单位像素识别部沿着预设的一个方向识别上述基板内所包括的单位像素并且沿着另一个方向再识别上述基板内所包括的单位像素,从而使得上述单位像素识别部能够识别各单位像素的坐标。
根据本发明的一个方面,提供一种缺陷检测方法,其特征在于,包括:生成上述基板的图像的过程;从上述基板的图像识别上述基板内所包括的单位像素的过程;对所生成的各单位像素的图像和预存储的单位像素的基准图像进行对比的过程;以及根据对比结果,检测各单位像素内是否存在缺陷的过程。
(发明的效果)
如上所述,根据本发明的一个方面,本发明具有可容易且精确地检测基板内存在的缺陷的优点。
附图说明
图1为示出根据本发明一个实施例的缺陷检测装置结构的图。
图2为示出根据本发明一个实施例的单位像素的基准图像和要检测的基板的图像的图。
图3为示出对根据本发明一个实施例的基准图像和要检测的基板的图像进行分析的结果的图。
图4为示出对根据本发明一个实施例的单位像素图像进行分析的结果的图。
图5为示出根据本发明一个实施例的基板内各单位像素的面积的图。
图6为示出根据本发明一个实施例的单位像素的基准图像、单位像素的图像及扣除图像的图。
图7为示出根据本发明一个实施例而生成的遮掩单元的图。
图8为示出根据本发明一个实施例的利用扣除图像及遮掩单元来生成二值化图像的方法的图。
图9为示出根据本发明一个实施例的去除二值化图像内存在的噪声后的最终二值化图像的图。
图10为示出根据本发明一个实施例而可变的单位像素组的基准图像的图。
图11为示出根据本发明第二实施例的单位像素的基准图像的图。
图12为示出根据本发明第二实施例的单位像素的基准图像和要检测的基板的图像的图。
图13为示出根据本发明第二实施例的基板内各单位像素的面积的图。
图14为示出根据本发明一个实施例的缺陷检测装置检测基板内缺陷的方法的流程图。
(附图标记的说明)
100:缺陷检测装置;110:基板移送部;120:图像生成部;
130:单位像素识别部;140:存储部;150:预处理部;
160:图像对比部;170:缺陷检测部;180:控制部;
190:通信部;210、1010、1020、1030:单位像素的基准图像;
220:基板图像;225:单位像素的图像;310、320:线轮廓;
410:扣除轮廓;610:扣除图像
具体实施方式
本发明可以进行多种多样的变更,并可以具有多种多样的实施例,将特定的实施例例示在附图上,并进行详细说明。但是,本发明不限于特定实施例,应理解为包括包括在本发明的思想及技术范围内的所有变更、等同物和代替物。对各附图进行说明时,类似的附图标记用于类似的构成要素。
第一、第二、A、B等术语可用于说明各种各样的构成要素,但这些构成要素不能被这些术语所限定。上述术语仅用于区分一个构成要素与另一个构成要素的目的。例如,在不脱离本发明的权利要求范围的情况下,第一构成要素可以命名为第二构成要素,类似地,第二构成要素也可以命名为第一构成要素。术语“及/或”包括多个相关的记载项目的组合或者多个相关的记载项中的某一项。
当提到某一个构成要素与其它构成要素“连接”或“相接”时,虽然可以与该其它构成要素直接连接或相接,但应该理解为中间也有可能存在别的构成要素。相反,当某一个构成要素与其它构成要素“直接连接”或“直接相接”时,应该理解为中间不存在别的构成要素。
本申请中使用的术语仅用于说明特定的实施例,并不用于限制本发明。单数形式只要在文脉上没有明确的其他含义则包含复数形式。本申请中,应理解为,“包括”或者“具有”等术语并不预先排除在说明书上记载的特征、数字、步骤、动作、构成要素、部件或其组合体的存在或者附加可能性。
除非另有定义,否则本发明使用的所有包括技术术语或科学术语的术语,具有与本发明所属技术领域的普通技术人员通常所理解的含义相同的含义。
通常使用的与词典中定义相同的术语应被解释为,具有与相关技术文脉上的含义一致的含义,除非本申请另有明确的定义,不能以理想的或过度的形式上的含义来解释。
图1为示出根据本发明一个实施例的缺陷检测装置构成的图。
参照图1,根据本发明一个实施例的缺陷检测装置100包括基板移送部110、图像生成部120、单位像素识别部130、存储部140、预处理部150、图像对比部160、缺陷检测部170、控制部180以及通信部190。
用于检测缺陷的基板包括多个像素(pixel)。通常,基板包括大量像素,各像素也由多个层(Layer)构成。基板内像素用活性层(Active Layer)、栅极层(Gate Layer)、源极及漏极层等多个层实现。在基板生成工序中,流入细颗粒(Particle)可导致基板中产生缺陷,尤其是,流入到基板内像素的任意层,导致特定层上产生缺陷。缺陷检测装置100可以检测在基板内所包括的哪个层的哪个像素存在缺陷。
基板移送部110用于沿着预设方向移送基板。基板移送部110将基板移送至用于检测缺陷的准确的位置。此外,基板移送部110将已完成缺陷检测过程的基板移送,以便进行基板处理工序或者精密缺陷检测工序。
图像生成部120生成基板的图像,以便检测基板的缺陷。图像生成部120由如相机等能够生成基板的图像的装置实现,生成由基板移送部110移送的基板的图像。
单位像素识别部130从基板的图像内识别基板所包括的单位像素。单位像素识别部130分析基板的图像来识别基板内所包括的各单位像素。单位像素识别部130沿着横向、竖向分别分析基板的图像来识别各单位像素的起始x坐标及起始y坐标。单位像素识别部130识别各单位像素的起始x坐标及起始y坐标,利用特定单位像素的起始坐标和与特定单位像素相邻的单位像素起始坐标,来可以识别特定单位像素的x轴方向长度、y轴方向长度及面积。例如,当特定单位像素的起始坐标为(0,0),与其相邻的单位像素坐标各为(45,0),(0,45)时,特定单位像素的x轴、y轴方向的长度分别为45、45,特定单位像素的面积为2025。像这样,单位像素识别部130识别各单位像素,在后述的其它结构通过与基准图像的对比来确认缺陷的存在时,能够确定某像素是否存在缺陷。
单位像素识别部130在识别基板内各像素时,也可一同识别像素内各层。缺陷可发生在整个像素,但也可以只发生在像素内一部分层。在这种情况下,若单位像素识别部130仅识别像素,则缺陷检测装置可能无法准确检测出像素内发生缺陷的具***置。因此,单位像素识别部130可以通过指示各层的标识符或颜色来区分像素内的各层,以便控制部180识别。
此外,单位像素识别部130可使用线轮廓(Line Profile)方法识别单位像素。线轮廓方法是一种以线(line)表示图像特性的方法。线轮廓方法可以仅分析整个图像或者图像内的一定区域或区间,表示与一定方向相关的平均值或总和。单位像素识别部130可分析这种表示图像特性的线来识别各单位像素的起始坐标。但并不局限于此,只要是可识别各单位像素起始坐标的方法,则可使用任何方法。只是,以下,为了便于说明,以单位像素识别部130使用线轮廓方法识别单位像素为例进行说明。
存储部140用于存储单位像素的基准图像。存储部140存储单位像素的基准图像,以便通过与由单位像素识别部130识别的各单位像素的对比,来确定各单位像素内是否存在缺陷。存储部140内所存储的单位像素的基准图像相当于不存在缺陷的单位像素的图像。存储部140将没有任何缺陷的单位像素的图像作为基准图像存储,使得后述的其它结构通过与基准图像的对比来检测各单位像素内是否存在缺陷。
存储部140,根据控制部180的控制,可替换已存储的单位像素的基准图像。当基板内所包含的像素的数量很多时,像素可根据基板内所配置的位置出现有所差异。例如,当基板的大小为用于制作多个显示装置的数m*数m时,基板内会包含相当多的数量的像素。因此,位于基板一个末端的像素和位于另一末端的像素,即使没有结构上的差异,也会发生颜色、亮度、对比度等的细微差异。根据这种差异,有可能发生如下问题,即,没有实质性(结构上)缺陷的单位像素也会检测成存在缺陷。通常,具有相似颜色、亮度、对比度等的单位像素配置在基板内特定区域的概率较高。因此,当选择与基板的一个末端相同的基准图像时,配置在基板另一末端的单位像素及配置在其周边区域的单位像素都与基准图像存在差异,有可能检测成存在缺陷。为了防止这种问题,控制部180可以按照规定区域替换单元像素的基准图像。例如,控制部180将预设的单位像素基准图像替换成在与基准图像存在差异的图像中最与基准图像相似的图像。因此,按照基板的区域替换单位像素的基准图像,从而检测缺陷的精确度会上升。存储部140根据控制部180的控制,替换并存储单位像素的基准图像,或者也可追加存储基准图像。
预处理部150用于对单位像素的基准图像进行预处理。图像对比部160对基板内各单位像素的图像和单位像素的基准图像进行对比之前,预处理部150对单位像素的基准图像进行预处理,以便顺利进行对比。例如,当各单位像素的图像的长轴沿着x轴方向配置,相反,存储部140内所存储的单位像素的基准图像的长轴沿着y轴方向配置时,不便对各单位像素的图像和单位像素基准图像进行对比。为了解决这种不便,预处理部150可以转换基准图像的方向。预处理部150可进行基准图像的方向转换等的预处理,以便图像对比部160顺利进行各单位像素图像和单位像素基准图像的对比。
图像对比部160对各单位像素的图像和单位像素基准图像进行对比,以便确认各单位像素内是否存在缺陷。图像对比部160对各单位像素的图像和单位像素的基准图像进行对比时,可以仅对各单位像素的图像的面积为由控制部180设定的预设值以上的单位像素的图像进行对照。例如,基板的图像内配置于各末端的单位像素图像可以以在由图像生成部120生成的基板的图像内不是显露所有面积而是被切断的状态生成。像这样并不是显露所有面积的单位像素的图像难以与基准图像进行对比,因此,图像对比部160可以仅对各单位像素的图像的面积为预设值以上的单位像素的图像进行对比。
缺陷检测部170利用图像对比部160的对比结果,检测各单位像素中存在的缺陷。缺陷检测部170,对图像对比部160的对比结果进行图像背景的亮度调整及二值化(binarization)过程,最终检测是否存在缺陷。
控制部180用于控制各构成要素(110至170及190)的动作。控制部180控制单位像素识别部130沿着包括横向、竖向的所有方向识别基板的图像而识别基板的图像内单位像素。控制部180设定用于确定要进行对比的单位像素的数值,使得图像对比部160对基准图像与各单位像素的图像进行对比。控制部180使得图像对比部160仅对具有预设值以上的面积的单位像素进行与基准图像的图像对比。当基于缺陷检测部170的检测结果检测到过多缺陷时,控制部180控制存储部140,使得将存储部140内所存储的基准图像替换为在与当前存储的基准图像有差异的单位像素图像中最与基准图像相似的图像,或追加存储最与基准图像相似的图像。由此,控制部180可以校正基板内各单位像素的配置引起的单位像素之间的细微差异。此外,控制部180可控制缺陷检测部170的缺陷检测水平。例如,当缺陷检测装置100用于基板的微小缺陷都不能容忍的环境时,控制部180可控制缺陷检测部170,使得即使是微小的差异(例如,颜色、对比度等的差异,而不是结构上的差异)都检测为缺陷。相反,当缺陷检测装置100用于仅检测单位像素内结构上的缺陷的环境时,控制部180可控制缺陷检测部170,使其不将微小差异检测成缺陷。以上内容示在图10中。
图10为示出根据本发明一个实施例变化的单位像素组的基准图像的图。
存储部140可将由控制部180预存的基准图像210替换为其它图像1010、1020、1030中的某一个或其以上,或者追加存储其它图像1010、1020、1030中的某一个或其以上。如图10所示,代替基准图像210的或被追加存储的图像1010、1020、1030在结构上与基准图像210没有差异,只具有对比度、颜色等的微小差异。
控制部180控制通信部190,使得由缺陷检测部170检测为存在缺陷的单位像素的坐标传送至外部装置(未图示)。控制部180将存在缺陷的单位像素的坐标传送至用于修复(Repair)缺陷的外部装置(未图示),从而修复缺陷。或者,控制部180将存在缺陷的单位像素坐标传送至用于更加精确地检测出缺陷的外部装置(未图示),从而能够更加准确地检测出存在于基板的缺陷。基板内缺陷可能存在于基板的中心或者离中心的规定区域内,因此有可能在基板的图像中都检测到。但是除了这种情况,也可能存在基板中的缺陷存在于基板***而在基板的图像中不能全部检测到的情况。在后一种情况下,由于基板内存在的缺陷还没有完全检测到,从而,当紧接着进行修复缺陷的工序时,可能对之后剩余的缺陷再次进行同样的修复工序的过程,因而带来不便。为了防止这样的不便,控制部180将单位像素的坐标传送至用于更加精确地检测出缺陷的外部装置(未图示),使得外部装置再次精确的检测以该坐标为中心(基板的中心部)到哪个区域为止会存在缺陷。由此,基板内存在的缺陷的所有区域都会被检测到。
通信部190将检测出缺陷的单位像素的坐标传送至外部装置。
图2为示出根据本发明一个实施例的单位像素的基准图像和要检测的基板的图像的图。
图2的(a)部分示出根据本发明一个实施例的存储部140内所存储的单位像素的基准图像210。基准图像210作为不存在任何缺陷的单位像素的图像,可在缺陷检测装置100检测基板的缺陷之前存储于存储部140,或者可在缺陷检测装置100检测基板缺陷的过程中被代替。
图2的(b)部分示出根据本发明一个实施例的图像生成部120所生成的基板的图像220。基板的图像220包括各单位像素的图像225。
如图2所示,基准图像210和各单位像素的图像225可沿着不同方向配置。这种情况下,实质上难以检测基板内各单位像素中是否存在缺陷,因此,预处理部150转换基准图像210的方向来使其沿着与各单位像素的图像相同的方向配置。根据图2示出的例,预处理部150可以将基准图像210按顺时针旋转90度,使得基准图像210的长轴沿着y轴方向配置。
图3为示出根据本发明一个实施例的分析基准图像和要检测的基板的图像的结果的图。
单位像素识别部130分别分析基准图像和基板的图像。单位像素识别部130可以仅分析基准图像的规定区间,并运算相对于规定方向的平均值。作为结果,单位像素识别部130可以生成基准图像的线轮廓。另一方面,单位像素识别部130以相同的方式生成对于基板的图像的线轮廓310。只是,由于基板中包括大量单位像素,因此在每预设间隔运算基板的图像的平均值。在此,预设间隔可以设定为单位像素的长度。如图3所示,当单位像素识别部130,为了识别各像素的起始y坐标,而沿着竖向分析基板的图像时,预设间隔可以设定成单位像素的横向长度。当单位像素识别部130运算对于一个列的基板的图像的平均值时,单位像素识别部130移动预设间隔来运算基板的图像的平均值。因此,单位像素识别部130对于基板的图像的每个列生成线轮廓320。
单位像素识别部130沿着与基准图像和基板的图像的分析方向垂直的方向再分析基准图像和基板的图像。单位像素识别部130为了识别基板的图像内各单位像素的坐标,不仅识别起始y坐标,还需识别起始x坐标。因此,单位像素识别部130沿着与已进行了基准图像和基板的图像的分析的方向垂直的方向再分析基准图像和基板的图像。单位像素识别部130分别生成沿着垂直方向分析的基准图像和基板的图像的线轮廓310、320。
图4为示出根据本发明一个实施例的单位像素图像的分析结果的图。
单位像素识别部130对所生成的基准图像的线轮廓310和基板的图像的线轮廓320进行扣减运算。由于基准图像的线轮廓310和基板的图像的线轮廓320的长度不同,单位像素识别部130从基板的图像的线轮廓320反复减去基准图像的线轮廓310来运算扣除线轮廓410。
扣除线轮廓410具有相对于周边具有很低的值的始点420、423、426、429。该始点出现在单位像素和单位像素之间的边界处,在各单位像素之间的边界始点处,扣除线轮廓410具有非常低的值。
由于单位像素识别部130对针对基准图像和基板的图像沿着一方向生成的线轮廓及沿着与其垂直的方向生成的线轮廓均运算扣除线轮廓,因此可以识别基板的图像内所包括的所有单位像素的起始x坐标及y坐标。此外,由于可识别所有单位像素的坐标,各单位像素的面积也可一同获取。
图5为示出根据本发明一个实施例的基板内各单位像素的面积的图。
当单位像素识别部130对基板的图像内的所有单位像素进行识别,且预处理部150完成存储部140内所存储的基准图像所需的预处理时,图像对比部160对基准图像和基板的图像内的各单位像素的图像进行对比。此时,图像对比部160在进行图像对比之前,确认基板的图像内的各单位像素的面积。图像对比部160仅对各单位像素的面积为预设值以上的单位像素进行与基准图像的图像对比。例如,单位像素510或单位像素515位于各末端,并不是所有面积包括在基板的图像中。对于这样的单位像素无法进行完整的对比,因此图像对比部160对这样的单位像素不进行图像对比。
图6为示出根据本发明一个实施例的单位像素的基准图像、单位像素的图像及扣除图像的图。
参照图6的(a)部分,图像对比部160对经过参照图5所说明的预处理过程之后剩余的各单位像素的图像225和基准图像210进行对比。由于单位像素图像中不存在任何缺陷的图像实质上与基准图像210相同,因此用扣除图像导不出任何图像。相反,如图6所示,当图像对比部160对存在缺陷的单位像素的图像225和基准图像210进行扣除时,生成仅存在缺陷的部分的扣除图像610。
图像对比部160可以生成扣除图像610,可以运算扣除图像610的平均值。由于单位像素图像225和基准图像210分别包括R、G、B通道(channel),如果按照各个通道对单位像素图像225和基准图像210进行扣除时,以后的工序中会存在运算量变大的忧虑。因此,为了进一步提高运算速度,图像对比部160可以分别计算与R、G、B通道相关的扣除值并对其进行平均来生成平均扣除图像610。
参照图6的(b)部分,同理,图像对比部160对基准图像210也运算平均值来生成平均基准图像620。如上所述,由于基准图像210也包括R、G、B通道,之后其他结构要利用基准图像210时,存在运算量可能增加的忧虑。因此,图像对比部160对于基准图像210也运算各通道的平均值来生成平均基准图像620。
图7为示出根据本发明一个实施例而生成的遮掩单元的图。
遮掩单元(mask)710、720是根据基准图像的图案(pattern)来形成的,用于明确掌握扣除图像610、尤其是、平均扣除图像610与基准图像不同的部分。遮掩单元710、720为了对扣除图像610、尤其是、对平均扣除图像610进行二值化,分别利用仅留下除了基准图像210内形成的图案以外部分的遮掩单元710和仅留下基准图像内形成的图案部分的遮掩单元720。
图8为示出根据本发明一个实施例的利用扣除图像及遮掩单元来生成二值化图像的方法的图。
缺陷检测部170利用扣除图像610和遮掩单元710来生成扣除图像的二值化图像810。缺陷检测部170将遮掩单元710应用于扣除图像610,扣除图像610中仅使除了图案以外的部分(存在缺陷的部分)保留下来。缺陷检测部170将临界值应用于应用了遮掩单元710的扣除图像,来生成扣除图像的二值化图像810。缺陷检测部170应用预设临界值来对应用了遮掩单元710的扣除图像进行二值化。
图9为示出根据本发明一个实施例的去除二值化图像内存在的噪声后的最终二值化图像的图。
缺陷检测部170去除二值化图像810内存在的噪声910。当二值化图像810内检测到的缺陷的厚度小于预设尺寸或者小于预设面积时,缺陷检测部170可以将缺陷分类为作为非缺陷的噪声。在图像对比部160进行图像对比而生成扣除图像610的过程中,或者缺陷检测部170应用遮掩单元710来生成二值化图像810的过程中,噪声910一般由于内部图案之间的细微位置误差而引起。由于该噪声910不是要检测的对象,因此缺陷检测部170去除二值化图像810内存在的噪声910。缺陷检测部170在已去除噪声的二值化图像810内检测缺陷。
此时,缺陷检测部170可以判断检测到的缺陷的种类。缺陷的种类包括暗(Dark)型缺陷和种子(Seed)型缺陷。暗型缺陷是指在基板生产过程中,因颗粒等的流入而产生的与流入的因素的面积一样大的缺陷。种子型缺陷是指除了流入的因素的面积之外,还在因素的周边也以一定面积产生的缺陷。只有能区分两者,才能之后判断缺陷产生的面积,并修复缺陷的工序会根据缺陷而以不同的方式进行。缺陷检测部170可以考虑二值化图像810内检测到的缺陷的总面积和流入因素的面积的比例来判断是暗型缺陷还是种子型缺陷。
图11为示出根据本发明第二实施例的单位像素的基准图像的图。
基准图像1110的单位像素可包括多个像素。基板包括多个像素,像素的各层中构成的像素的像素量可以不同。例如,在活性层或栅极层中,一个像素可以构成单位像素,但是在源极及漏极层中,两个或更多的像素可以构成一个单位像素。如此,各层中的单位像素可以不同,为了检测所有层上的缺陷,存储部140可以存储各层的基准图像1110,以便检测各种各样的层内存在的缺陷。以下,为了方便,说明基准图像1110内两个像素包括在单位像素中的情况,但并不限于此。
基准图像1110可分为左像素1114和右像素1118,但各像素1114、1118的面积不必相同。各像素1114、1118的面积可以彼此相同,但也可以不相同。基准图像1110内的各像素1114、1118的面积比率一同存储在存储部140内。例如,像素1114的大小可以为(0.49,1),像素1118的大小可以为(0.51,1),该比率可以一同存储在存储部140。
图12为示出根据本发明第二实施例的单位像素的基准图像和要检测的基板的图像的图。
单位像素识别部130识别基板的图像1210中所包括的各单位像素,识别后,图像对比部160对存储部140内所存储的基准图像1110和基板的图像1210进行对比。当然,在图像对比部160进行对比之前,可通过预处理部150对基准图像1110进行预处理过程。图像对比部160对基板的图像1210内的单位像素的图像1220和基准图像1110进行对比。图像对比部160对各图像1110、1220进行对比时,与单位像素内所包括的各像素的位置相对应地进行对比。即,图像对比部160对基准图像1110上的左像素1114和单位像素图像1220上的左像素1224进行对比,对基准图像1110上的右像素1118和单位像素图像1220上的右像素1228进行对比。
在这种情况下,单位像素图像1220上的各像素的面积比率可以与基准图像1110的各像素的面积比率不同。此时,图像对比部160乘上存储部140内所存储的基准图像的面积比率来运算单位像素图像的大小。因此,图像对比部160可以易于对具有不同面积比率的基准图像1110和单位像素图像1220进行对比。
之后,缺陷检测部170利用图像对比结果来检测各单位像素内存在的缺陷。
图13为示出根据本发明第二实施例的基板内各单位像素的面积的图。
当图像对比部160对各图像1110、1220进行对比时,判断单位像素的图像1220内各像素的面积是否在由控制部180设定的预设值以上。当单位像素的图像1220内所包括的像素1224、1228中任一像素的面积未超过预设值时,图像对比部160不进行与基准图像1110的对比。由于对并非显露所有面积的单位像素的图像难以进行对比,图像对比部160分别掌握各单位像素内所包括的所有像素的面积,判断是否在预设值以上来选择要进行对比的各像素的图像。
图14为示出根据本发明一个实施例的缺陷检测装置检测基板内缺陷的方法的流程图。
图像生成部120生成要检测的基板的图像(S1410)。
单位像素识别部130在基板的图像内识别基板中所包括的各单位像素(S1420)。单位像素识别部130利用线轮廓方法,生成基板的图像和基准图像的线轮廓。在生成线轮廓时,单位像素识别部130在所有方向(一个方向及垂直于一个方向的方向)分别对基板的图像和基准图像分别生成线轮廓。
单位像素识别部130利用基准图像来识别基板中所包括的各单位像素的信息(S1430)。单位像素识别部130通过对基准图像的线轮廓和各单位像素的线轮廓进行扣除来生成扣除线轮廓。单位像素识别部130利用扣除线轮廓来识别各单位像素的边界,识别各单位像素的(起始)坐标。此外,由于识别各单位像素的坐标,单位像素识别部130可以一同识别x轴、y轴方向的长度及各单位像素的面积。
图像对比部160对各单位像素的图像和单位像素的基准图像进行对比(S1440)。当单位像素识别部130识别基板的图像内的所有单位像素,且预处理部150全部完成存储部140内所存储的基准图像所需的预处理时,图像对比部160对基准图像和基板的图像内的各单位像素的图像进行对比。图像对比部160进行图像对比,以便检测各单位像素中是否存在缺陷。
缺陷检测部170利用对比结果来检测各单位像素内存在的缺陷(S1450)。
在图14中以各过程都按顺序实施的方式记载,但这仅是例示性说明本发明实施例的技术思想。换句话说,只要是本发明的一个实施例所属技术领域的普通技术人员,在不超出本发明的一个实施例的本质特性的范围内,可对各附图中记载的过程的顺序进行变更而实施,或者并列执行过程中的一个以上过程而实施,如此地,可进行各种修改及变形而加以适用。因此,图14并不能限定为时序性顺序。
另一方面,图14中所示的过程可以在计算机可读记录介质上体现为计算机可读代码。计算机可读记录介质包括用于存储可由计算机***读取的数据的所有种类的记录装置。即,计算机可读记录介质包括磁存储介质(例如,只读存储器、软盘、硬盘等)、光学读取介质(例如,光盘只读存储器、数字视频光盘等)及载波(例如,通过互联网的传送)等的存储介质。此外,计算机可读记录介质还可以分散在联网的计算机***上,存储和运行计算机以分散方式可读代码。
以上的说明仅是例示性说明本实施例的技术思想,只要是本实施例所属技术领域的普通技术人员,在不超出本实施例的本质特性的范围内,可进行多种修改及变形。因此,本实施例并不用于限定本实施例的技术思想,而是用于说明本实施例,本实施例的技术思想的范围并不局限于此。本实施例的保护范围由以下的权利要求范围解释,与此等同范围内的所有技术思想均属于本实施例的权利要求范围。
Claims (6)
1.一种缺陷检测装置,用于检测基板的缺陷,其特征在于,包括:
基板移送部,沿着预设方向移送上述基板;
图像生成部,用于生成基板的图像;
单位像素识别部,从上述基板的图像识别上述基板内所包括的单位像素;
存储部,用于存储单位像素的基准图像;
图像对比部,对所生成的各单位像素的图像和上述存储部内所存储的基准图像进行对比;
缺陷检测部,根据对比结果,检测各单位像素内是否存在缺陷;以及
控制部,用于控制上述缺陷检测装置内的各构成要素。
2.根据权利要求1所述的缺陷检测装置,其特征在于,上述单位像素识别部识别各单位像素的坐标。
3.根据权利要求2所述的缺陷检测装置,其特征在于,上述单位像素识别部利用上述各单位像素的坐标来识别上述各单位像素的面积。
4.根据权利要求1所述的缺陷检测装置,其特征在于,上述控制部设定基准值,利用上述基准值上述缺陷检测部根据对比结果判断出检测对象存在缺陷。
5.根据权利要求1所述的缺陷检测装置,其特征在于,上述控制部控制上述单位像素识别部,使得上述单位像素识别部沿着预设的一个方向识别上述基板内所包括的单位像素并且沿着另一个方向再识别上述基板内所包括的单位像素,从而使得上述单位像素识别部能够识别各单位像素的坐标。
6.一种缺陷检测方法,用于检测基板的缺陷,其特征在于,包括:
生成上述基板的图像的过程;
从上述基板的图像识别上述基板内所包括的单位像素的过程;
对所生成的各单位像素的图像和预存的单位像素的基准图像进行对比的过程;以及
根据对比结果,检测各单位像素内是否存在缺陷的过程。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180067080A KR101982347B1 (ko) | 2018-06-11 | 2018-06-11 | 오토 리페어 시스템의 불량 검출장치 및 방법 |
KR10-2018-0067080 | 2018-06-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110579477A true CN110579477A (zh) | 2019-12-17 |
CN110579477B CN110579477B (zh) | 2022-06-07 |
Family
ID=66680302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810948050.0A Active CN110579477B (zh) | 2018-06-11 | 2018-08-20 | 自动修复***的缺陷检测装置及方法 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR101982347B1 (zh) |
CN (1) | CN110579477B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393441A (zh) * | 2021-06-15 | 2021-09-14 | 浙江大学 | 一种基于机器视觉的分层制造缺陷检测方法 |
WO2022088096A1 (zh) * | 2020-10-30 | 2022-05-05 | 京东方科技集团股份有限公司 | 缺陷实际面积的检测方法、显示面板的检测方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102263841B1 (ko) | 2019-12-03 | 2021-06-11 | 주식회사 코윈디에스티 | 증착 공정에 사용된 금속 마스크를 자동으로 수리하는 방법 |
CN111462080A (zh) * | 2020-03-31 | 2020-07-28 | 征图新视(江苏)科技股份有限公司 | 玻璃平坦区的缺陷检测方法 |
CN111808367B (zh) * | 2020-07-09 | 2023-05-30 | 浙江七色鹿色母粒有限公司 | 塑料ppr银纹翻白缺陷的改进方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5854674A (en) * | 1997-05-29 | 1998-12-29 | Optical Specialties, Inc. | Method of high speed, high detection sensitivity inspection of repetitive and random specimen patterns |
CN1469113A (zh) * | 2002-06-04 | 2004-01-21 | �ձ�������ʽ���� | 缺陷探测的装置和方法及其程序 |
JP2004037136A (ja) * | 2002-07-01 | 2004-02-05 | Dainippon Screen Mfg Co Ltd | パターン検査装置およびパターン検査方法 |
US20060067571A1 (en) * | 2004-09-29 | 2006-03-30 | Dainippon Screen Mfg. Co., Ltd. | Defect detection apparatus and defect detection method |
CN1920539A (zh) * | 2005-08-26 | 2007-02-28 | 精工爱普生株式会社 | 缺陷检测方法与缺陷检测装置 |
CN101621606A (zh) * | 2008-06-30 | 2010-01-06 | 三星电子株式会社 | 图像处理装置和图像处理方法 |
US20120155740A1 (en) * | 2010-12-17 | 2012-06-21 | Samsung Electronics Co., Ltd. | Method of detecting defect in pattern and apparatus for performing the same |
US20140193065A1 (en) * | 2013-01-09 | 2014-07-10 | Kla-Tencor Corporation | Detecting Defects on a Wafer Using Template Image Matching |
CN107523803A (zh) * | 2016-06-15 | 2017-12-29 | Hb技术有限公司 | 薄膜形成装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101261016B1 (ko) * | 2011-03-15 | 2013-05-06 | (주) 인텍플러스 | 평판패널 기판의 자동광학검사 방법 및 그 장치 |
KR101806335B1 (ko) * | 2016-04-11 | 2017-12-08 | 주식회사 옵티레이 | 기판 검사 장치 및 방법 |
JP6696323B2 (ja) * | 2016-06-27 | 2020-05-20 | 大日本印刷株式会社 | パターン検査装置およびパターン検査方法 |
-
2018
- 2018-06-11 KR KR1020180067080A patent/KR101982347B1/ko active IP Right Grant
- 2018-08-20 CN CN201810948050.0A patent/CN110579477B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5854674A (en) * | 1997-05-29 | 1998-12-29 | Optical Specialties, Inc. | Method of high speed, high detection sensitivity inspection of repetitive and random specimen patterns |
CN1469113A (zh) * | 2002-06-04 | 2004-01-21 | �ձ�������ʽ���� | 缺陷探测的装置和方法及其程序 |
JP2004037136A (ja) * | 2002-07-01 | 2004-02-05 | Dainippon Screen Mfg Co Ltd | パターン検査装置およびパターン検査方法 |
US20060067571A1 (en) * | 2004-09-29 | 2006-03-30 | Dainippon Screen Mfg. Co., Ltd. | Defect detection apparatus and defect detection method |
CN1920539A (zh) * | 2005-08-26 | 2007-02-28 | 精工爱普生株式会社 | 缺陷检测方法与缺陷检测装置 |
CN101621606A (zh) * | 2008-06-30 | 2010-01-06 | 三星电子株式会社 | 图像处理装置和图像处理方法 |
US20120155740A1 (en) * | 2010-12-17 | 2012-06-21 | Samsung Electronics Co., Ltd. | Method of detecting defect in pattern and apparatus for performing the same |
US20140193065A1 (en) * | 2013-01-09 | 2014-07-10 | Kla-Tencor Corporation | Detecting Defects on a Wafer Using Template Image Matching |
CN107523803A (zh) * | 2016-06-15 | 2017-12-29 | Hb技术有限公司 | 薄膜形成装置 |
Non-Patent Citations (1)
Title |
---|
何永珍等: "基于机器视觉的液晶基板表面缺陷检测***", 《现代计算机》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022088096A1 (zh) * | 2020-10-30 | 2022-05-05 | 京东方科技集团股份有限公司 | 缺陷实际面积的检测方法、显示面板的检测方法及装置 |
CN113393441A (zh) * | 2021-06-15 | 2021-09-14 | 浙江大学 | 一种基于机器视觉的分层制造缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110579477B (zh) | 2022-06-07 |
KR101982347B1 (ko) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110579477B (zh) | 自动修复***的缺陷检测装置及方法 | |
TWI787296B (zh) | 光學檢測方法、光學檢測裝置及光學檢測系統 | |
JP6598162B2 (ja) | 線形クラスタリングに基づくマルチタイプのbgaチップの視覚識別方法 | |
US11313806B2 (en) | Defect inspection method and defect inspection device | |
CN113454445A (zh) | 零件检查期间对于参考未对准进行补偿 | |
KR102352701B1 (ko) | 투명 또는 반투명 웨이퍼 상에서의 결함 검출 | |
Xie et al. | A physics-based defects model and inspection algorithm for automatic visual inspection | |
JP7053366B2 (ja) | 検査装置及び検査方法 | |
JP7157580B2 (ja) | 基板検査方法及び基板検査装置 | |
Sanz et al. | Machine-vision techniques for inspection of printed wiring boards and thick-film circuits | |
KR102043664B1 (ko) | 기판 내 결함을 검출하고 리페어하는 오토 리페어 시스템 및 방법 | |
Kaushik et al. | Machine vision based automated inspection approach for clutch friction disc (CFD) | |
CN113916893A (zh) | 模切产品缺陷的检测方法 | |
US7024031B1 (en) | System and method for inspection using off-angle lighting | |
KR101975816B1 (ko) | 오토 리페어 시스템의 불량 판별장치 및 방법 | |
JP2017166957A (ja) | 欠陥検出装置、欠陥検出方法およびプログラム | |
CN115876784B (zh) | 一种工件缺陷检测方法、***和设备 | |
Kuo et al. | Automated inspection of micro-defect recognition system for color filter | |
JP5067677B2 (ja) | 欠陥検出方法、欠陥検出装置、及びプログラム | |
US20080107329A1 (en) | Method of detecting defects of patterns on a semiconductor substrate and apparatus for performing the same | |
JP2011002280A (ja) | 欠陥検査方法 | |
KR102177329B1 (ko) | 피듀셜 마크 인식 방법 | |
Noroozi et al. | Towards Optimal Defect Detection in Assembled Printed Circuit Boards Under Adverse Conditions | |
Vaidya | Automatic Optical Inspection-Based PCB Fault Detection Using Image Processing | |
Yu et al. | A novel defect detection method of liquid crystal display based on machine vision |
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 |