论文部分内容阅读
TFT-LCD(Thin Film Transistor-Liquid Crystal display)广泛用作智能手机、电视面板、电脑等便携电子终端的显示屏,并且市场需求逐年扩大。近年来大尺寸、高分辨、窄边框成为发展趋势,使得其工艺结构愈加复杂,线路尺寸已达到微米量级,传统的裸眼或者电气检测已经无法满足其缺陷检测的要求。自动光学检测凭借其非接触性、速度快、标准一致等优点大大提高检测效率、降低了成本,在液晶屏检测领域展现出很强的竞争优势。自动光学检测最核心的部分是光学成像系统和图像处理算法,本论文针对TFT-LCD屏背板和面板线路的成像、背板组件缺陷检测和线路粒子压合检测三个问题进行研究,研究内容和结果如下:1、本文按尺寸较大的液晶背板组件和微米尺度线路两类分别进行光学成像设计搭建:通过待测屏幕尺寸计算选取特定的防抖相机和大面积照射的光源;确定在线路检测时使用DIC(微分干涉对比)成像法和延时积分相机以解决微小导电粒子的成像问题,对所用相机进行驱动编程。2、图像采集后需要进行定位并分割出ROI(感兴趣区域),利用固定坐标的模板分割出背板中待检测的各组件。针对液晶背板上的划伤背刺、FPC折痕、标签偏移破损等缺陷,使用陶值分割、形态学处理和滤波算法,将上述三种缺陷分割并识别。3、面板线路检测则需通过区域内的MARK点定位,即规则几何的识别,比较Hough变换、角点识别等基于几何基元特征的算法,但是MARK点有缺损和样本不断添加形态的特点,最终提出用梯度直方图结合机器学习的算法识别。4、识别MARK点进行图像校正后,使用伽马校正拉伸较暗区域的亮度。为了精确定位线路电极ROI,采用扩大定位框、重新阈值分割的方式,比较了大津法、最大熵分割和局部阈值法,最终选定邻域内均值统计的局部阈值法。结合粒子成像特点,为了完整分割出导电粒子,尝试了图割和均值偏移的方法,最终为了解决窄边框线路中粒子密度增大带来的粒子重叠问题,提出一种采用掩模法结合k均值聚类的算法,并计算图像熵值和粒子的凸性,准确分割出粒子。讨论了聚类簇选值的影响,通过不同粒子密度、不同粒子尺寸的样本检验算法,并与以往的梯度结合灰度的方法进行对比。本算法在粒子密度较小的区域能达到92.6%的识别率,在粒子密度较大的区域也能达到86%的识别率,分别比梯度加灰度的方法提高了 9.9%和42.7%。