论文部分内容阅读
[摘 要]薄膜晶體管液晶显示器（TFT-LCD）是在20世纪80年代首先由日本厂商进行大规模生产的新型平板显示器件，以其功耗低、辐射弱、寿命长、体积小、重量轻和全彩化等诸多优点。检测产品良率传统方法则采用人工作业，不仅工作量大，而且易受到检测人员主观因素的影响，从而不能够保证检测的效率与精度。基于此，文章就TFT-LCD缺陷智能检测的方法进行简要分析。
[关键词]TFT-LCD；缺陷智能检测；方法
中图分类号：TP2 文献标识码：A 文章编号：1009-914X（2018）03-0100-01
1 TFT-LCD表面缺陷
1.1 TFT-LCD单元结构
TFT-LCD单元结构由上下两个玻璃基板构成，上基板玻璃上设置有彩色滤光片，用于产生颜色，下基板玻璃上设置有薄膜晶体管矩阵，用来控制像素矩阵的灰阶显示，两个基板之间为液晶层。
1.2 TFT-LCD表面缺陷
TFT-LCD表面缺陷粗略地分为两大类：宏观缺陷和微观缺陷。其中宏观缺陷用肉眼能够识别，如Mura缺陷等；而微观缺陷难以用肉眼或电化学方法检测出来。从聚集状态来看，TFT-LCD面板常见的缺陷又可以分为点缺陷、线缺陷和Mura缺陷。点缺陷，一般是单个薄膜晶体管在生产制造的过程中失效引起的；线缺陷，一般是有源器件与驱动IC连接不良造成的；导致产生Mura缺陷的原因很多，如背光源均匀性、TFT漏电均匀性以及液晶配向性等。
2 缺陷图像特点介绍
LCD显示的整个面画，是由一个一个的点（dot，显示文字和图像的最小单元）纵横排列构成，这种画面显示方式为点矩阵显示，称这种最小单位的点，即最小显示单元为像素。在彩色显示中，每个像素被分割为红（R）、绿（G）、蓝（B）三色，RGB相组合构成一个像素（pixel），而一个像素三分割成的R？G？B之一成为亚像素（sub-pixel），如图1所示。
TFT-LCD屏的缺陷按照形状可分为点缺陷如亮点、暗点，线缺陷如暗线、亮线，面缺陷如Mura等。点缺陷和线缺陷在图像显示明显，形状规则，Mura是一种形状不规则、大对比度低、边缘模糊、没有边缘的电路构造缺陷或材料不均匀引起的。所讨论的算法对上述缺陷均适用。
3 TFT-LCD表面缺陷检测方法
3.1 人工视觉检测法
人工视觉检测是最原始的表面缺陷检测手段，即采用肉眼检测产品缺陷的方法。这种方法检测存在较多缺点：一是检测速度慢，效率低，无法满足高速自动化生产线；二是检测精度低，无法识别微米级尺寸的缺陷，误检漏检的概率高；三是工人劳动强度大，工作环境差，容易受周围环境的影响而导致误判；四是监测数据不便于管理和保存。因此，人工视觉检测目前已经逐渐被淘汰。
3.2 电学参数检测法
电学参数检测是通过测定产品的电学性能来判定其是否合格，只能检测出由于电学因素导致的缺陷，有很大的局限性，主要用于检测面板的功能性缺陷。如TFT面板中数据线和栅极线之间的短路、数据线和栅极线自身的断路等电气原因造成的缺陷，需要通过电学法进行检测。常用的电学检测方法有：全屏点亮法、探针扫描法、电荷读出法、电压图像法、导纳电路检测法和电子柬扫描像素电极法等。此外，电学法仅能用于TFT-LCD面板制造完成后的检测，对面板制造过程中出现的各种缺陷无法检测。
3.3 自动光学检测法
自动光学检测技术集成运用光学传感技术、信号处理技术和运动控制技术，进行工业生产过程中的测量、检测、识别和引导等工作。与人工视觉检测法和电学法相比，自动光学法的TFT-LCD面板缺陷检测速度快，准确率高，效率成本低，且是非接触检测，已经成为研究的热点。
4 缺陷检测算法
本文所提缺陷检测算法主要分为图像去噪、纹理背景抑制、缺陷分割和参数特征提取4个步骤。
4.1 图像去噪
图像在获取的过程中，会受到相机自身性能、机器抖动、光强变化和人员控制等因素的影响，初始图像可能会附带各种噪声。常见的噪声有高斯噪声（主要由阻性元器件内部产生）和椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等。
4.2 纹理背景抑制
针对LCD纹理的分布特点，设计Gabor滤波器，滤除待测图像的纹理背景。Gabor变换在空域、频域和方向上都能获得很好的分辨率，是纹理分析中重要的方向性滤波器.Gabor滤波通过设置不同参数构成不同的滤波器，实现对图像多尺度、多方向特征提取，可以模拟人类视觉系统。
4.3 缺陷分割
一般情况下，TFT-LCD面板图像可能出现缺陷边缘模糊、对比度低等问题，手动设定阈值或利用边缘检测算子进行图像分割均不适用，因此必须考虑使用不依赖于边缘的模糊缺陷分割方法。
4.4 参数特征
提取TFT-LCD屏的缺陷种类较多，且表现各异，对于不同特点的缺陷要进行具体的分析，选用能够准确反映图像中缺陷的类型、性质和状态等特征的图像特征值。点缺陷一般为单个子像素面积，缺陷类型为亮点或者暗点，而相邻的多个点缺陷则尤为严重，所以判断点缺陷需考虑面积和位置两个特征参数。线缺陷一般宽度为单个子像素，而长轴方向贯穿屏幕纵轴或横轴方向的一排亮点或暗点，可通过面积、位置和矩形度3个特征参数来判定。
综上，TFT-LCD表面缺陷的自动光学检测已成为研究的热点，相比较现有的机器视觉检测方法，需要进一步研究各种智能检测技术，从而显著提高检测效率。
参考文献
[1] 谢瑞.TFT-LCDMura缺陷自动检测方法研究[D].合肥工业大学，2016.
[2] 张腾达，卢荣胜，党学明.TFT-LCD表面缺陷检测中一维DFT方法中邻域r的自动选取[J].中国机械工程，2016，21：2895-2901.
[3] 李传乐.TFT-LCD缺陷检测系统中的图像处理[D].吉林大学，2016.
[关键词]TFT-LCD；缺陷智能检测；方法
中图分类号：TP2 文献标识码：A 文章编号：1009-914X（2018）03-0100-01
1 TFT-LCD表面缺陷
1.1 TFT-LCD单元结构
TFT-LCD单元结构由上下两个玻璃基板构成，上基板玻璃上设置有彩色滤光片，用于产生颜色，下基板玻璃上设置有薄膜晶体管矩阵，用来控制像素矩阵的灰阶显示，两个基板之间为液晶层。
1.2 TFT-LCD表面缺陷
TFT-LCD表面缺陷粗略地分为两大类：宏观缺陷和微观缺陷。其中宏观缺陷用肉眼能够识别，如Mura缺陷等；而微观缺陷难以用肉眼或电化学方法检测出来。从聚集状态来看，TFT-LCD面板常见的缺陷又可以分为点缺陷、线缺陷和Mura缺陷。点缺陷，一般是单个薄膜晶体管在生产制造的过程中失效引起的；线缺陷，一般是有源器件与驱动IC连接不良造成的；导致产生Mura缺陷的原因很多，如背光源均匀性、TFT漏电均匀性以及液晶配向性等。
2 缺陷图像特点介绍
LCD显示的整个面画，是由一个一个的点（dot，显示文字和图像的最小单元）纵横排列构成，这种画面显示方式为点矩阵显示，称这种最小单位的点，即最小显示单元为像素。在彩色显示中，每个像素被分割为红（R）、绿（G）、蓝（B）三色，RGB相组合构成一个像素（pixel），而一个像素三分割成的R？G？B之一成为亚像素（sub-pixel），如图1所示。
TFT-LCD屏的缺陷按照形状可分为点缺陷如亮点、暗点，线缺陷如暗线、亮线，面缺陷如Mura等。点缺陷和线缺陷在图像显示明显，形状规则，Mura是一种形状不规则、大对比度低、边缘模糊、没有边缘的电路构造缺陷或材料不均匀引起的。所讨论的算法对上述缺陷均适用。
3 TFT-LCD表面缺陷检测方法
3.1 人工视觉检测法
人工视觉检测是最原始的表面缺陷检测手段，即采用肉眼检测产品缺陷的方法。这种方法检测存在较多缺点：一是检测速度慢，效率低，无法满足高速自动化生产线；二是检测精度低，无法识别微米级尺寸的缺陷，误检漏检的概率高；三是工人劳动强度大，工作环境差，容易受周围环境的影响而导致误判；四是监测数据不便于管理和保存。因此，人工视觉检测目前已经逐渐被淘汰。
3.2 电学参数检测法
电学参数检测是通过测定产品的电学性能来判定其是否合格，只能检测出由于电学因素导致的缺陷，有很大的局限性，主要用于检测面板的功能性缺陷。如TFT面板中数据线和栅极线之间的短路、数据线和栅极线自身的断路等电气原因造成的缺陷，需要通过电学法进行检测。常用的电学检测方法有：全屏点亮法、探针扫描法、电荷读出法、电压图像法、导纳电路检测法和电子柬扫描像素电极法等。此外，电学法仅能用于TFT-LCD面板制造完成后的检测，对面板制造过程中出现的各种缺陷无法检测。
3.3 自动光学检测法
自动光学检测技术集成运用光学传感技术、信号处理技术和运动控制技术，进行工业生产过程中的测量、检测、识别和引导等工作。与人工视觉检测法和电学法相比，自动光学法的TFT-LCD面板缺陷检测速度快，准确率高，效率成本低，且是非接触检测，已经成为研究的热点。
4 缺陷检测算法
本文所提缺陷检测算法主要分为图像去噪、纹理背景抑制、缺陷分割和参数特征提取4个步骤。
4.1 图像去噪
图像在获取的过程中，会受到相机自身性能、机器抖动、光强变化和人员控制等因素的影响，初始图像可能会附带各种噪声。常见的噪声有高斯噪声（主要由阻性元器件内部产生）和椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等。
4.2 纹理背景抑制
针对LCD纹理的分布特点，设计Gabor滤波器，滤除待测图像的纹理背景。Gabor变换在空域、频域和方向上都能获得很好的分辨率，是纹理分析中重要的方向性滤波器.Gabor滤波通过设置不同参数构成不同的滤波器，实现对图像多尺度、多方向特征提取，可以模拟人类视觉系统。
4.3 缺陷分割
一般情况下，TFT-LCD面板图像可能出现缺陷边缘模糊、对比度低等问题，手动设定阈值或利用边缘检测算子进行图像分割均不适用，因此必须考虑使用不依赖于边缘的模糊缺陷分割方法。
4.4 参数特征
提取TFT-LCD屏的缺陷种类较多，且表现各异，对于不同特点的缺陷要进行具体的分析，选用能够准确反映图像中缺陷的类型、性质和状态等特征的图像特征值。点缺陷一般为单个子像素面积，缺陷类型为亮点或者暗点，而相邻的多个点缺陷则尤为严重，所以判断点缺陷需考虑面积和位置两个特征参数。线缺陷一般宽度为单个子像素，而长轴方向贯穿屏幕纵轴或横轴方向的一排亮点或暗点，可通过面积、位置和矩形度3个特征参数来判定。
综上，TFT-LCD表面缺陷的自动光学检测已成为研究的热点，相比较现有的机器视觉检测方法，需要进一步研究各种智能检测技术，从而显著提高检测效率。
参考文献
[1] 谢瑞.TFT-LCDMura缺陷自动检测方法研究[D].合肥工业大学，2016.
[2] 张腾达，卢荣胜，党学明.TFT-LCD表面缺陷检测中一维DFT方法中邻域r的自动选取[J].中国机械工程，2016，21：2895-2901.
[3] 李传乐.TFT-LCD缺陷检测系统中的图像处理[D].吉林大学，2016.