CN113112396B - 导电粒子的检测方法 - Google Patents

导电粒子的检测方法 Download PDF

Info

Publication number
CN113112396B
CN113112396B CN202110319251.6A CN202110319251A CN113112396B CN 113112396 B CN113112396 B CN 113112396B CN 202110319251 A CN202110319251 A CN 202110319251A CN 113112396 B CN113112396 B CN 113112396B
Authority
CN
China
Prior art keywords
image
target area
conductive particle
conductive particles
conductive
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.)
Active
Application number
CN202110319251.6A
Other languages
English (en)
Other versions
CN113112396A (zh
Inventor
戴斌宇
熊星
张操
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou HYC Technology Co Ltd
Original Assignee
Suzhou HYC Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou HYC Technology Co Ltd filed Critical Suzhou HYC Technology Co Ltd
Priority to CN202110319251.6A priority Critical patent/CN113112396B/zh
Publication of CN113112396A publication Critical patent/CN113112396A/zh
Application granted granted Critical
Publication of CN113112396B publication Critical patent/CN113112396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及ACF导电粒子压合检测技术领域，公开了一种导电粒子的检测方法，包括采集导电粒子图像，所述导电粒子图像中包括标记图形和目标区域；所述标记图形用于定位所述目标区域；根据所述标记图形和所述目标区域的相对位置关系，获取所述导电粒子图像中的目标区域图像；确定所述目标区域图像中凸点区域的边缘，并对所述目标区域图像进行划分获取凸点区域图像；查找所述凸点区域图像中的导电粒子；统计并输出所述导电粒子的检测结果。通过两次定位来精准地分割导电粒子图像中的凸点区域，并对凸点区域内的导电粒子进行检查，可以有效减少图像偏移对检测结果的影响，提高导电粒子的检测精度及检测效率。

Description

导电粒子的检测方法
技术领域
本发明涉及ACF导电粒子压合检测技术领域，特别是涉及一种导电粒子的检测方法。
背景技术
异方性导电膜(Anisotropic Conductive Film，ACF)是一种显示器件与电路连接所必不可少的关键性材料，主要包括树脂粘合剂、导电粒子两大部分，导电粒子是金属涂覆的聚合物球体，粘合剂是热固性树脂。
当前对于电子产品中导电粒子的检测，主要有两种，一是通过面阵相机采集图像并于微分干涉显微镜中成像，然后人工肉眼去检测导电粒子是否存在缺陷。另一种是通过面阵相机采集图像，利用算法分析导电粒子是否存在缺陷。然而，采集到的ACF导电粒子图像存在微小偏移，这些偏移会影响到后期的检测效果。
发明内容
基于此，有必要针对采集到的ACF导电粒子图像存在微小偏移的问题，提供一种导电粒子的检测方法。
一种导电粒子的检测方法，包括采集导电粒子图像，所述导电粒子图像中包括标记图形和目标区域；所述标记图形用于定位所述目标区域；根据所述标记图形和所述目标区域的相对位置关系，获取所述导电粒子图像中的目标区域图像；确定所述目标区域图像中凸点区域的边缘，并对所述目标区域图像进行划分获取凸点区域图像；查找所述凸点区域图像中的导电粒子；统计并输出所述导电粒子的检测结果。
上述导电粒子的检测方法，利用标记图形可以在采集到的导电粒子图像中对目标区域进行初步定位，再利用标记图形和目标区域的相对位置关系这一已知的先验信息粗定位导电粒子图像中的目标区域图像。通过确定所述目标区域图像中凸点区域的边缘，来进一步地确定凸点区域(Bump)在图像中的精确位置，以此划分获取凸点区域图像。在凸点区域(Bump)中查找所有导电粒子的情况，并对查找到的导电粒子进行统计，从而完成对导电粒子的检测。通过两次定位来精准地分割导电粒子图像中的凸点区域内的导电粒子，可以有效减少图像偏移对检测结果的影响，提高导电粒子的检测精度及检测效率。
在其中一个实施例中，在根据所述标记图形和目标区域的相对位置关系，获取所述导电粒子图像中的目标区域图像前，所述方法还包括利用所述标记图形对所述导电粒子图像进行旋转校正。
在其中一个实施例中，所述导电粒子图像中包括两个以上的所述标记图形，所述利用所述标记图形对所述导电粒子图像进行旋转校正包括获取两个所述标记图形的坐标，根据两个所述标记图形的坐标获取所述标记图形的旋转校正角度；根据所述旋转校正角度，利用仿射变换对所述导电粒子图像进行校正。
在其中一个实施例中，所述根据所述标记图形和目标区域的相对位置关系，获取所述导电粒子图像中的目标区域图像包括获取所述标记图形和所述目标区域的相对位置关系；根据所述导电粒子图像中的所述标记图形，定位所述导电粒子图像中的目标区域；根据所述目标区域对所述导电粒子图像进行划分，获取所述目标区域图像。
在其中一个实施例中，所述确定所述目标区域图像中凸点区域的边缘，并对所述目标区域图像进行划分获取凸点区域图像包括获取所述目标区域图像中的梯度变换，对所述目标区域图像进行卷积；通过所述目标区域图像的灰度直方图确定第一预设阈值；根据所述第一预设阈值对所述目标区域图像进行二值分割，获取所述目标区域图像的二值图；根据所述二值图的水平垂直投影特征确定所述凸点区域的边缘参数；根据所述边缘参数对所述目标区域图像进行划分，获取凸点区域图像。
在其中一个实施例中，所述查找所述凸点区域图像中的导电粒子包括利用直方图均衡化增强所述凸点区域图像的图像对比度；对增强图像对比度后的所述凸点区域图像求二阶导，确定所述凸点区域图像中的导电粒子区域；根据所述导电粒子区域中的连通域形位特征寻找所述导电粒子。
在其中一个实施例中，所述连通域形位特征包括所述导电粒子区域中的连通域所占的像素宽度、像素高度、中心坐标和平均灰度。
在其中一个实施例中，所述根据所述导电粒子区域中的连通域形位特征寻找所述导电粒子包括将寻找到的粒子的连通域形位特征分别与第二预设阈值进行比较，判断寻找到的所述粒子是否为真实的导电粒子。
在其中一个实施例中，所述统计并输出所述导电粒子的检测结果包括对判定为真实粒子的所述导电粒子的大小、数量和分布情况进行统计；所述分布结果包括偏移量。
在其中一个实施例中，在所述统计并输出所述导电粒子的检测结果后，所述方法还包括将所述检测结果与第三预设阈值进行比较，并根据比较结果判断导电粒子压合是否合格。
附图说明
为了更清楚地说明本说明书实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述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说明书中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明其中一实施例的对导电粒子的检测方法的方法流程示意图；
图2为本发明其中一实施例的拍摄获取的ACF导电粒子图像的局部放大示意图；
图3为本发明其中一实施例的获取到的目标区域图像的实物示意图；
图4为本发明其中一实施例的ACF导电粒子图像的简化示意图；
图5为本发明其中一实施例的对导电粒子图像进行旋转校正的方法流程示意图；
图6为本发明其中一实施例的获取目标区域图像的方法流程示意图；
图7为本发明其中一实施例的获取凸点区域图像的方法流程示意图；
图8为本发明其中一实施例的目标区域图像的水平卷积核和垂直卷积核的示意图；
图9为本发明其中一实施例的查找导电粒子的方法流程示意图；
图10为本发明其中一实施例的目标区域图像的简化示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的优选实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反的，提供这些实施方式的目的是为了对本发明的公开内容理解得更加透彻全面。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”、“前”、“后”、“周向”以及类似的表述是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明提供了一种导电粒子的检测方法，适用于液晶面板、OLED以及其他电子产品导通用导电粒子检测。以下以液晶面板为例。
液晶显示器是各种电子产品的显示面板，它通过在液晶面板***连接驱动芯片来达到显示讯号的用途。COG(Chip On Glass)是将IC芯片绑定在玻璃面板上，FOG(FPC OnGlass)则是将FPC搭载在玻璃面板上，两者都是用于液晶玻璃与电路导通的加工方式。异方性导电膜ACF是一种显示器件与电路连接所必不可少的关键性材料，主要包括树脂粘合剂、导电粒子两大部分，导电粒子是金属涂覆的聚合物球体，粘合剂是热固性树脂。在液晶显示器的封装过程中，对导电粒子的检测非常重要。本实施例提供了一种用于COG、FOG制程中对导电粒子的检测方法
图1为本发明其中一实施例的对导电粒子的检测方法的方法流程示意图，在其中一个实施例中，所述检测方法包括如下步骤S100至S500。
S100：采集导电粒子图像，导电粒子图像中包括标记图形和目标区域；标记图形用于定位目标区域。
S200：根据标记图形和目标区域的相对位置关系，获取导电粒子图像中的目标区域图像。
S300：确定目标区域图像中凸点区域的边缘，并对目标区域图像进行划分获取凸点区域图像。
S400：查找凸点区域图像中的导电粒子。
S500：统计并输出导电粒子的检测结果。
在对电子产品显示装置上的导电粒子进行检测时，可以通过面阵相机获取电子产品显示装置上的导电粒子图像。通过调整面阵相机镜头上的偏振片和光源，可以使得导电粒子在凸点区域上产生明显的浮雕效果。在图像采集过程中，因为成像机构在Z方向上的震动可能会导致图像模糊，影响处理结果的准确性。因此，利用PLC控制采集平台高速实时跟随，以令线扫相机保持固定的工作距离对液晶模组进行扫描，从而得到清晰的ACF导电粒子图像S(x,y)。
采集到的ACF导电粒子图像S(x,y)的局部如图2所示。图2为本发明其中一实施例的拍摄获取的ACF导电粒子图像的局部放大示意图，图中100为标记图形，200为目标区域，目标区域200中包括需要检测的导电粒子。图2中具有明显的浮雕效果的凸起部分即为需要检测的导电粒子。标记图形100在COG、FOG生产时即设置于目标区域200附近，在对ACF导电粒子图像进行图像处理时可以通过识别标记图形的形状来定位目标区域200的大致位置。
在对ACF导电粒子图像S(x,y)进行图像处理时，根据标记图形100(Mark)与目标区域的相对位置关系这一先验信息，在ACF导电粒子图像S(x,y)中进行粗划分，得到导电粒子图像中的目标区域图像，如图3所示。图3为本发明其中一实施例的获取到的目标区域图像的实物示意图。
图3中的目标区域图像除了具有包含多个导电粒子的凸点区域211，还有ACF胶粒212和不含导电粒子的Bump导线区域213。因此，还需要确定目标区域图像中凸点区域的边缘，从而根据凸点区域的边缘对目标区域图像进行精划分，以获取只包含凸点区域211的凸点区域图像。由于此时获取的凸点区域图像中只包含导电粒子，因此，可以根据导电粒子的图像特征查找凸点区域图像中的导电粒子，获取凸点区域图像中各导电粒子的信息并进行统计，作为检测结果输出。
上述导电粒子的检测方法，利用标记图形100可以在采集到的导电粒子图像中对目标区域200进行初步定位，再利用标记图形100和目标区域200的相对位置关系这一已知的先验信息粗定位导电粒子图像中的目标区域图像。通过确定目标区域图像中凸点区域的边缘，来进一步地确定凸点区域(Bump)在图像中的精确位置，以此划分获取凸点区域图像。在凸点区域(Bump)中查找所有导电粒子的情况，并对查找到的导电粒子进行统计，从而完成对导电粒子的检测。通过两次定位来精准地分割导电粒子图像中的凸点区域内的导电粒子，可以有效减少图像偏移对检测结果的影响，提高导电粒子的检测精度及检测效率。
在其中一个实施例中，在根据标记图形和目标区域的相对位置关系，获取导电粒子图像中的目标区域图像前，所述检测方法还包括对导电粒子图像进行裁剪。在一些实施例中，利用面阵相机采集到的ACF导电粒子图像S(x,y)中，包含导电粒子的目标区域200在整幅图像中所占的比例较小，如果直接对图像进行处理会占用过多的内存，并且也会增长图像处理时间。标记图形100的形状一般设定为十字，如图2所示。因此，在本实施例中，可以在通过ACF导电粒子图像S(x,y)中识别具有十字形状的图形来定位标记图形100，并对标记图形100所在的区域对图像进行裁剪，将不包含有效图像信息的部分裁剪掉，缩小ACF导电粒子图像S(x,y)中需要进行检测的区域。
在其中一个实施例中，在根据标记图形和目标区域的相对位置关系，获取导电粒子图像中的目标区域图像前，所述检测方法还包括利用标记图形对导电粒子图像进行旋转校正。在采集到的ACF导电粒子图像S(x,y)中，包含粒子的目标区域200和标记图形100之间的相对位置可能存在微小偏动，这些偏移会影响到后期的检测效果。因此，需要利用标记图形100对ACF导电粒子图像S(x,y)进行旋转校正，以使目标区域200在图像中呈水平分布，来减少由于图像采集过程中目标区域200和标记图形100之间的相对位置出现的微小偏动对检测结果造成影响。
在其中一个实施例中，导电粒子图像中包括两个以上的标记图形100。例如，可以通过在目标区域200所在区域的四个定点位置设置四个标记图形100，从而根据四个标记图形100构成的框选区域对ACF导电粒子图像S(x,y)进行裁剪；还可以通过比较四个标记图形100在图像中的相对位置与实际的相对位置来获取图像的偏转角度，从而对ACF导电粒子图像S(x,y)进行旋转校正。
同样地，也可以通过在目标区域200左右两边的位置设置两个标记图形100，如图4所示。图4为本发明其中一实施例的ACF导电粒子图像的简化示意图，在ACF导电粒子图像S(x,y)中，包括目标区域200。目标区域200的左右两边分别设置有一十字形状的标记图形。通过定位ACF导电粒子图像S(x,y)中的两个mark标记可以对检测区域进行裁剪。还可以通过比较两个标记图形100在图像中的相对位置与实际的相对位置来获取图像的偏转角度，从而实现对ACF导电粒子图像S(x,y)的旋转校正。
图5为本发明其中一实施例的对导电粒子图像进行旋转校正的方法流程示意图，在其中一个实施例中，利用标记图形对导电粒子图像进行旋转校正包括如下步骤S10至S20。
S10：获取两个标记图形的坐标，根据两个标记图形的坐标获取标记图形的旋转校正角度。
S20：根据旋转校正角度，利用仿射变换对导电粒子图像进行校正。
在本实施例中，根据两个标记图形100在图像中的坐标判断图像的偏转角度，从而根据偏转角度对ACF导电粒子图像S(x,y)进行旋转校正。为减少处理时间，可以先在ACF导电粒子图像S(x,y)中搜索到一个标记图形100的位置坐标，再根据两个标记图形100之间大概的间隔范围获取另一个标记图形100的位置坐标。
一些实施例中，可以先对左侧的标记图形100进行搜索，如图4中所示的水平方向上(0，W0)的横坐标范围即为左侧标记图形100的搜索范围。对ACF导电粒子图像S(x,y)中水平方向上(0，W0)的横坐标范围内进行匹配搜索，得到左侧标记图形100的位置坐标(x1,y1)。由于两个标记图形100之间大概的间隔距离ΔW可以通过预先获取是已知的，根据左侧标记图形100的位置坐标(x1,y1)、以及右侧标记图形100相对左侧标记图形100的可能波动范围W1，即可确定右侧标记图形100的大概搜索范围。
确定右侧标记图形100的搜索范围为(x1+ΔW-W1/2,x1+ΔW+W1/2)，如图4中所示的水平方向上宽度为W1的范围即为左侧标记图形100的搜索范围。在ACF导电粒子图像S(x,y)水平方向上(x1+ΔW-W1/2,x1+ΔW+W1/2)的横坐标范围内搜索第二个标记图形100，得到右侧标记图形100的位置坐标(x2,y2)。将两个标记图形100的位置坐标代入旋转校正角度的计算公式中，以获取ACF导电粒子图像S(x,y)的旋转校正角度θ。所述旋转校正角度的计算公式为：
其中，θ为旋转校正角度，x1为左侧标记图形100的横坐标，y1为左侧标记图形100的纵坐标，x2为右侧标记图形100的横坐标，y2为右侧标记图形100的纵坐标。
根据旋转校正角度θ，利用仿射变换将图像进行校正，得到校正后的ACF导电粒子图像S′(x,y)。仿射变换的变换公式如下：
其中，θ为旋转校正角度，x为ACF导电粒子图像S(x,y)上任意一点的横坐标，y为ACF导电粒子图像S(x,y)上任意一点的纵坐标，x'为得到校正后的ACF导电粒子图像S′(x,y)上任意一点的横坐标，y'为得到校正后的ACF导电粒子图像S′(x,y)上任意一点的纵坐标。
通过获取ACF导电粒子图像S(x,y)中左右两个标记图形100的位置坐标，根据两个标记图形100的位置坐标计算ACF导电粒子图像S(x,y)的旋转校正角度θ，从而根据旋转校正角度θ对ACF导电粒子图像S(x,y)进行旋转校正，以使目标区域200在图像中呈水平分布，来减少由于图像采集过程中目标区域200和标记图形100之间的相对位置出现的微小偏动对检测结果造成影响。
图6为本发明其中一实施例的获取目标区域图像的方法流程示意图，在其中一个实施例中，根据标记图形和目标区域的相对位置关系，获取导电粒子图像中的目标区域图像包括如下步骤S210至S230。
S210：获取标记图形和目标区域的相对位置关系。
S220：根据导电粒子图像中的标记图形，定位导电粒子图像中的目标区域。
S230：根据目标区域对导电粒子图像进行划分，获取目标区域图像。
在现有技术中，主要通过手动框取或从本地文档读取坐标参数来划分单个凸点区域的检测区域。然而，由于采集到的图像分辨率的精度较高(图像分辨率<1um/pixel)，平台运动的运动精度很难保证能够与图像精度相匹配，因此可能会有部分信息丢失从而造成检测误差，当测量误差经过一定程度的累计后就会导致偏移过检。基于上述原因，在本实施例中，标记图形100(Mark)与目标区域200的相对位置可以通过预先设定或预先测量获取，并存储于检测***的本地文档中。
在对校正后的ACF导电粒子图像S′(x,y)进行图像处理时，从本地文档读取相对位置关系以及上述实施例中获取的标记图形的位置坐标，定位到导电粒子图像中的目标区域200。对校正后的ACF导电粒子图像S′(x,y)中进行粗划分，获取目标区域图像B(x,y)，如图3所示。目标区域图像B(x,y)除了具有包含多个导电粒子的凸点区域211，还有ACF胶粒212和不含导电粒子的Bump导线区域213。
图7为本发明其中一实施例的获取凸点区域图像的方法流程示意图，在其中一个实施例中，确定目标区域图像中凸点区域的边缘，并对目标区域图像进行划分获取凸点区域图像包括如下步骤S310至S350。
S310：获取目标区域图像中的梯度变换，对目标区域图像进行卷积。
S320：通过目标区域图像的灰度直方图确定第一预设阈值。
S330：根据第一预设阈值对目标区域图像进行二值分割，获取目标区域图像的二值图。
S340：根据二值图的水平垂直投影特征确定凸点区域的边缘参数。
S350：根据边缘参数对目标区域图像进行划分，获取凸点区域图像。
由图3可知，不含导电粒子的Bump导线区域213与待检测的凸点区域211之间的间距较小(通常该间距为7～9μm)，且不含导电粒子的Bump导线区域213与待检测的凸点区域211之间还存在着较亮的ACF胶粒212(ACF胶粒212的单粒子直径>3μm)干扰分割，因此用传统阈值分割方法无法有效得到精确的凸点区域211。
经过对ACF导电粒子图像S(x,y)的旋转校正后，凸点区域211在目标区域图像B(x,y)中呈水平分布。ACF胶粒212区域中的粒子分布离散，因此，凸点区域211与ACF胶粒212区域存在较大的对比度。在本实施例中，获取目标区域图像B(x,y)中的梯度变换，对目标区域图像B(x,y)进行卷积。通过目标区域图像B(x,y)的灰度直方图确定第一预设阈值T，并根据第一预设阈值T对目标区域图像进行二值分割，以获取目标区域图像的二值图。根据二值图的水平垂直投影特征确定凸点区域211的边缘参数，来精确定位包含凸点区域的感兴趣区域Bump ROI(Region Of Interest)，得到的凸点区域图像B′(x,y)中只有包含导电粒子的Bump区域。
图8为本发明其中一实施例的目标区域图像的水平卷积核和垂直卷积核的示意图，其中，图8中的(a)为目标区域图像的水平卷积核，图8中的(b)为目标区域图像的垂直卷积核。对目标区域图像进行卷积时的卷积核是从图像的梯度推导出来的。如果把图像看作是函数f(x)，那么其水平方向上的梯度也就是函数水平方向上的变化率。根据图像水平方向上的梯度推导出水平卷积核，在水平方向上进行卷积，得到水平方向上的卷积图。同样地，也可以根据垂直方向上的梯度推导出垂直卷积核，在垂直方向上进行卷积，得到垂直方向上的卷积图。
灰度直方图是反映一幅图像中各灰度级像素出现的频率与灰度级的关系，横轴是灰度值，纵轴是每个灰度值对应的像素个数。灰度直方图可以帮助分析图像中的灰度变化，进而帮助确定最优二值化的灰度阈值。如果物体与背景的灰度值对比明显，此时灰度直方图就会包含双峰，即直方图中一般会有两个峰值，分别为图像的前景和背景。前景使得某个灰度区间的灰度值的数量急剧增加，就会产生一个峰值，同理背景会使另一个灰度区间的灰度值的数量急剧增加，就产生另外一个峰值，两峰间的谷底对应于物体边缘附近相对较少数目的像素点。这两个峰值之间的最小值一般就是最优二值化的分界点，通过这个分界点可以把前景和背景很好地分割开来，将上述峰值定义为第一预设阈值T。
根据灰度直方图获取的第一预设阈值T对目标区域图像进行二值分割，获取目标区域图像的二值图。基于第一预设阈值T将图像中的像素分为两类，最终产生一个二值化的图像。二值图在水平方向上的投影就是每行图像数据中非零像素值的个数，在垂直方向上的投影就是每列图像数据中非零像素值的个数。在获知Bump区域的边缘参数时，利用二值图的水平垂直投影特征对Bump区域进行精确投影，以便于后期的分割。根据二值图的水平投影特征定位出Bump区域的高度，根据二值图的垂直投影特征定位出Bump区域的宽度。从而根据获取的边缘参数对目标区域图像进行划分，以获取只有包含导电粒子的Bump区域的凸点区域图像B′(x,y)。
图9为本发明其中一实施例的查找导电粒子的方法流程示意图，在其中一个实施例中，查找凸点区域图像中的导电粒子包括如下步骤S410至S430。
S410：利用直方图均衡化增强凸点区域图像的图像对比度。
S420：对增强图像对比度后的凸点区域图像求二阶导，确定凸点区域图像中的导电粒子区域。
S430：根据导电粒子区域中的连通域形位特征寻找导电粒子。
由于制造工艺等原因，凸点区域图像B′(x,y)会存在亮度不均等问题，无法通过固定阈值分割算法来检测导电粒子。图10为本发明其中一实施例的目标区域图像的简化示意图，可见，导电粒子在凸点区域图像B′(x,y)中有明显的浮雕效果，在凸点区域图像B′(x,y)中呈现的特点就是粒子的一半区域较亮，另一半区域较暗，图中一半区域较亮另一半区域较暗的圆形即为需要查找的导电粒子10的图形。因此，利用直方图均衡化来增强凸点区域图像B′(x,y)的图像对比度。通过改变图像的直方图来改变图像中各像素的灰度，将一副图像的直方图分布变成近似均匀分布，增加了像素之间灰度值差别的动态范围，从而增强图像的对比度。
求取增强后凸点区域图像B′(x,y)的二阶导来初步确定图像中的导电粒子区域，对整个凸点区域图像B′(x,y)求二阶导，然后二值分割进行连通域分析。对整个凸点区域图像B′(x,y)求二阶导如下所示：
其中，f(x)为凸点区域图像B′(x,y)，x为凸点区域图像B′(x,y)上任意一点的横坐标，y为凸点区域图像B′(x,y)上任意一点的纵坐标。
应该理解的是，虽然图1、5、6、7、9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、5、6、7、9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中，查找并提取对凸点区域图像B′(x,y)求二阶导后图像中的连通域形位特征，主要包括连通域所占的像素宽度w、像素高度h，该连通域的中心坐标(xp,yp)以及该连通域在B′(x,y)中的平均灰度。连通域(Connected Component)指的是图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，将图像中的各个连通区域找出并分析。获取图像中的各个连通域所占的像素宽度w、像素高度h，该连通域的中心坐标(xp,yp)以及该连通域在B′(x,y)中的平均灰度，记为集合C。
在其中一个实施例中，对集合C中的各个连通域进行条件筛选，将寻找到的粒子的连通域形位特征分别与第二预设阈值进行比较，判断寻找到的粒子是否为真实的导电粒子。例如，将连通域所占的像素宽度w与真实粒子的最小直径D相比，若连通域的宽度w小于粒子的最小直径D，则认为此标记的连通域并非真实粒子，将从集合C中去除。将各连通域的形位特征分别与真实粒子的阈值进行比较，将不符合条件的连通域从集合C中去除，最终将得到只包含真实粒子信息的集合C′，提高对电子产品显示装置上导电粒子检测的准确度。
在其中一个实施例中，统计并输出导电粒子的检测结果包括对判定为真实粒子的导电粒子的大小、数量和分布情况进行统计；分布结果包括偏移量。根据集合C′中各连通域的所占像素的面积获取被判定为真实粒子的导电粒子的大小，根据集合C′中各连通域的数量进行统计获取导电粒子的数量。针对电子产品显示装置上导电粒子的检测精度包括IC偏移缺陷检测的精度。
在本实施例中，通过遍历集合C′，根据获取的所有粒子的中心坐标来确定处于最***的导电粒子，通过计算最***导电粒子到Bump边缘的距离来量化IC偏移程度。根据最靠近Bump区域下边缘的导电粒子的中心坐标，以及Bump区域下边缘的位置坐标计算IC向下偏移程度，IC向下偏移程度计算式为：
ΔYT＝TB-TP；
其中，ΔYT为IC向下偏移程度，TB为Bump区域下边缘的位置坐标，TP为最靠近Bump区域下边缘的导电粒子的中心坐标。
同样地，根据最靠近Bump区域上边缘的导电粒子的中心坐标，以及Bump区域上边缘的位置坐标计算IC向上偏移程度，IC向上偏移程度计算式为：
ΔYB＝BB-BP；
其中，ΔYB为IC向上偏移程度，BB为Bump区域上边缘的位置坐标，BP为最靠近Bump区域上边缘的导电粒子的中心坐标。
同样地，根据最靠近Bump区域右边缘的导电粒子的中心坐标，以及Bump区域右边缘的位置坐标计算IC向右偏移程度，IC向右偏移程度计算式为：
ΔXR＝RB-RP；
其中，ΔXY为IC向右偏移程度，RB为Bump区域右边缘的位置坐标，RP为最靠近Bump区域右边缘的导电粒子的中心坐标。
同样地，根据最靠近Bump区域左边缘的导电粒子的中心坐标，以及Bump区域左边缘的位置坐标计算IC向左偏移程度，IC向左偏移程度计算式为：
ΔXL＝LB-LP；
其中，ΔXL为IC向左偏移程度，LB为Bump区域左边缘的位置坐标，LP为最靠近Bump区域左边缘的导电粒子的中心坐标。
在其中一个实施例中，在统计并输出导电粒子的检测结果后，所述方法还包括将检测结果与第三预设阈值进行比较，并根据比较结果判断导电粒子压合是否合格。导出根据上述实施例的方法流程中获取的对电子产品显示装置上导电粒子的检测结果，主要包含导电粒子的大小、数量和分布情况，其中，分布情况包含相对Bump边缘的偏移量。第三预设阈值是用于评判ACF导电粒子压合是否合格的标准，包括导电粒子数量标准、导电粒子分布情况标准等阈值。
将导电粒子的检测结果与第三预设阈值进行比较，根据比较结果判断ACF导电粒子压合是否合格。当导电粒子的检测结果与标准值的误差在预期误差范围内时，则ACF导电粒子压合是合格的。例如，当偏移精度的预期误差范围为±5um，重复精度的预期误差范围为±3um时，若导电粒子的偏移精度与标准值的差在±5um以内，导电粒子的重复精度与标准值的差在±3um以内，则判断该电子产品显示装置上的ACF导电粒子压合是合格的。通过将导电粒子的检测结果与第三预设阈值进行比较，可以实现对ACF导电粒子数量不足、导电粒子分布不均、压合偏移、异物、脏污等外观缺陷的精确检测。
在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性描述不一定指的是相同的实施例或示例。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种导电粒子的检测方法，其特征在于，包括：
采集导电粒子图像，所述导电粒子图像中包括标记图形和目标区域；所述标记图形用于定位所述目标区域；
根据所述标记图形和所述目标区域的相对位置关系，获取所述导电粒子图像中的目标区域图像；
确定所述目标区域图像中包含多个导电粒子的凸点区域的边缘，并对所述目标区域图像进行划分获取凸点区域图像；所述目标区域图像包括所述凸点区域、ACF胶粒和不含导电粒子的Bump导线区域；
查找所述凸点区域图像中的导电粒子；
统计并输出所述导电粒子的检测结果；
所述查找所述凸点区域图像中的导电粒子包括：
利用直方图均衡化增强所述凸点区域图像的图像对比度；
对增强图像对比度后的所述凸点区域图像求二阶导，确定所述凸点区域图像中的导电粒子区域；
根据所述导电粒子区域中的连通域形位特征寻找所述导电粒子。
2.根据权利要求1所述的导电粒子的检测方法，其特征在于，在根据所述标记图形和目标区域的相对位置关系，获取所述导电粒子图像中的目标区域图像前，所述方法还包括：
利用所述标记图形对所述导电粒子图像进行旋转校正。
3.根据权利要求2所述的导电粒子的检测方法，其特征在于，所述导电粒子图像中包括两个以上的所述标记图形，所述利用所述标记图形对所述导电粒子图像进行旋转校正包括：
获取两个所述标记图形的坐标，根据两个所述标记图形的坐标获取所述标记图形的旋转校正角度；
根据所述旋转校正角度，利用仿射变换对所述导电粒子图像进行校正。
4.根据权利要求1或2所述的导电粒子的检测方法，其特征在于，所述根据所述标记图形和目标区域的相对位置关系，获取所述导电粒子图像中的目标区域图像包括：
获取所述标记图形和所述目标区域的相对位置关系；
根据所述导电粒子图像中的所述标记图形，定位所述导电粒子图像中的目标区域；
根据所述目标区域对所述导电粒子图像进行划分，获取所述目标区域图像。
5.根据权利要求1所述的导电粒子的检测方法，其特征在于，所述确定所述目标区域图像中凸点区域的边缘，并对所述目标区域图像进行划分获取凸点区域图像包括：
获取所述目标区域图像中的梯度变换，对所述目标区域图像进行卷积；
通过所述目标区域图像的灰度直方图确定第一预设阈值；
根据所述第一预设阈值对所述目标区域图像进行二值分割，获取所述目标区域图像的二值图；
根据所述二值图的水平垂直投影特征确定所述凸点区域的边缘参数；
根据所述边缘参数对所述目标区域图像进行划分，获取凸点区域图像。
6.根据权利要求1所述的导电粒子的检测方法，其特征在于，所述连通域形位特征包括所述导电粒子区域中的连通域所占的像素宽度、像素高度、中心坐标和平均灰度。
7.根据权利要求6所述的导电粒子的检测方法，其特征在于，所述根据所述导电粒子区域中的连通域形位特征寻找所述导电粒子包括：
将寻找到的粒子的连通域形位特征分别与第二预设阈值进行比较，判断寻找到的所述粒子是否为真实的导电粒子。
8.根据权利要求7所述的导电粒子的检测方法，其特征在于，所述统计并输出所述导电粒子的检测结果包括：
对判定为真实粒子的所述导电粒子的大小、数量和分布情况进行统计；所述分布结果包括偏移量。
9.根据权利要求1所述的导电粒子的检测方法，其特征在于，在所述统计并输出所述导电粒子的检测结果后，所述方法还包括：
将所述检测结果与第三预设阈值进行比较，并根据比较结果判断导电粒子压合是否合格。
CN202110319251.6A 2021-03-25 2021-03-25 导电粒子的检测方法 Active CN113112396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110319251.6A CN113112396B (zh) 2021-03-25 2021-03-25 导电粒子的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110319251.6A CN113112396B (zh) 2021-03-25 2021-03-25 导电粒子的检测方法

Publications (2)

Publication Number Publication Date
CN113112396A CN113112396A (zh) 2021-07-13
CN113112396B true CN113112396B (zh) 2023-12-01

Family

ID=76710885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110319251.6A Active CN113112396B (zh) 2021-03-25 2021-03-25 导电粒子的检测方法

Country Status (1)

Country Link
CN (1) CN113112396B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113920437B (zh) * 2021-12-14 2022-04-12 成都考拉悠然科技有限公司 一种导电粒子识别方法、***、存储介质和计算机设备
CN114359174B (zh) * 2021-12-16 2024-06-18 苏州镁伽科技有限公司 导电粒子识别方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050038384A (ko) * 2003-10-22 2005-04-27 삼성전자주식회사 영상처리기법을 이용한 검사 방법
CN101632990A (zh) * 2008-07-21 2010-01-27 均豪精密工业股份有限公司 导电粒子压痕分级方法
KR20160034196A (ko) * 2014-09-19 2016-03-29 히타치가세이가부시끼가이샤 도전 입자 형상 평가 장치 및 도전 입자 형상 평가 방법
CN109816653A (zh) * 2019-01-28 2019-05-28 宁波舜宇仪器有限公司 一种用于导电粒子检测的方法
CN110660043A (zh) * 2019-08-26 2020-01-07 苏州感知线智能科技有限公司 异方性导电膜绑定后导电粒子数目的快速检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050038384A (ko) * 2003-10-22 2005-04-27 삼성전자주식회사 영상처리기법을 이용한 검사 방법
CN101632990A (zh) * 2008-07-21 2010-01-27 均豪精密工业股份有限公司 导电粒子压痕分级方法
KR20160034196A (ko) * 2014-09-19 2016-03-29 히타치가세이가부시끼가이샤 도전 입자 형상 평가 장치 및 도전 입자 형상 평가 방법
CN109816653A (zh) * 2019-01-28 2019-05-28 宁波舜宇仪器有限公司 一种用于导电粒子检测的方法
CN110660043A (zh) * 2019-08-26 2020-01-07 苏州感知线智能科技有限公司 异方性导电膜绑定后导电粒子数目的快速检测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
液晶屏线路中导电粒子压合的自动光学检测研究;陈玉叶;肖可;郭振雄;何俊杰;刘畅;陈松岩;;液晶与显示(第07期);全文 *
非球形导电粒子与绝缘体复合材料的介电增强研究;江平开, 王宗光, 王寿泰, 徐传骧, 刘辅宜;复合材料学报(第03期);全文 *

Also Published As

Publication number Publication date
CN113112396A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN110136120B (zh) 一种基于机器视觉的丝网印刷样板尺寸测量方法
JP5225297B2 (ja) ウエハー上に形成されたダイに於けるアレイ領域の認識方法、ならびに係る方法の設定方法
CN113112396B (zh) 导电粒子的检测方法
CN115861291B (zh) 基于机器视觉的贴片电路板生产缺陷检测方法
CN108007388A (zh) 一种基于机器视觉的转盘角度高精度在线测量方法
JP2001133418A (ja) 形状特徴に基づく欠陥検出の方法及び装置
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及***
CN115096206B (zh) 一种基于机器视觉的零件尺寸高精度测量方法
CN117152165B (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
CN104331695A (zh) 一种鲁棒的圆形标志符形状质量检测方法
CN115575416A (zh) 柔性电路板焊盘检测方法及***
US9094617B2 (en) Methods and systems for real-time image-capture feedback
Barua et al. An Efficient Method of Lane Detection and Tracking for Highway Safety
CN116597016A (zh) 一种光纤内窥镜图像标定方法
CN116503324A (zh) 一种基于机器视觉的黑胶模组外观检测方法及***
CN113487569B (zh) 基于频域和空域结合的复杂背景图像缺陷检测方法及***
CN116071304A (zh) 一种物品边缘线定位方法、装置及电子设备
CN115980052A (zh) 一种基于明暗场照明的透镜缺陷检测装置和方法
CN113160259B (zh) 边缘检测方法、装置、计算机设备及存储介质
CN113192061A (zh) Led封装外观检测图像的提取方法、装置、电子设备和存储介质
CN114486916A (zh) 基于机器视觉的手机玻璃盖板缺陷检测方法
US20200286248A1 (en) Structured light subpixel accuracy isp pipeline/fast super resolution structured light
Chidambaram Edge Extraction of Color and Range Images
KR20200126921A (ko) 스켈러톤 웨이퍼 검사 방법
JP2010243209A (ja) 欠陥検査方法および欠陥検出装置

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