TFT—LCD表面缺陷及其檢測方法

常隨杰+王野

摘 要：TFT-LCD以其優異的性能被廣泛應用于各種顯示設備。文章首先介紹了TFT-LCD面板的基本構造及表面缺陷，分析了各種缺陷的特點，然后對TFT-LCD表面缺陷的檢測方法進行了對比介紹，最后總結了TFT-LCD表面缺陷檢測未來的研究方向。

關鍵詞：TFT-LCD；表面缺陷；缺陷檢測

1 概述

薄膜晶體管液晶顯示器（TFT-LCD）是在20世紀80年代首先由日本廠商進行大規模生產的新型平板顯示器件，以其功耗低、輻射弱、壽命長、體積小、重量輕和全彩化等諸多優點，逐漸取代傳統顯示器成為主流的顯示設備，被廣泛應用于筆記本電腦、監視器、手機、電視等設備上。

目前，TFT-LCD面板的生產廠商主要集中在日韓、中國大陸和臺灣地區。與日韓等LCD生產強國相比，中國大陸的液晶產業研究起步較晚，核心技術匱乏，國內企業往往重金購買日韓等專利，這種狀況的存在使得中國在液晶顯示技術領域顯得異常被動。但隨著政府部門對液晶產業的重視以及企業研發投入的持續增加，經過專家學者及專家的研究攻關，國內液晶行業取得了不錯的成績，特別是以京東方（BOE）等為代表的液晶生產研發企業充分發揮自身優勢，結合實際生產不斷創新，不斷縮小與日韓液晶企業的差距，其中多種型號的液晶面板出貨量已躍居全球第一。

2 TFT-LCD表面缺陷

2.1 TFT-LCD單元結構

TFT-LCD單元結構如圖1所示，由上下兩個玻璃基板構成，上基板玻璃上設置有彩色濾光片，用于產生顏色，下基板玻璃上設置有薄膜晶體管矩陣，用來控制像素矩陣的灰階顯示，兩個基板之間為液晶層。整個TFT-LCD面板的顯示區域就是由數百萬個獨立TFT元件控制的重復的像素矩陣構成，結構復雜。

2.2 TFT-LCD表面缺陷

由于TFT-LCD生產工藝復雜，涉及到300多個工，每個環節都有可能產生缺陷。且主要為各種各樣的表面缺陷，使面板的生產效率受到了嚴重影響。

TFT-LCD表面缺陷粗略地分為兩大類：宏觀缺陷和微觀缺陷。其中宏觀缺陷用肉眼能夠識別，如Mura缺陷等；而微觀缺陷難以用肉眼或電化學方法檢測出來。從聚集狀態來看，TFT-LCD面板常見的缺陷又可以分為點缺陷、線缺陷和Mura缺陷[1]。點缺陷，一般是單個薄膜晶體管在生產制造的過程中失效引起的；線缺陷，一般是有源器件與驅動IC連接不良造成的；導致產生Mura缺陷的原因很多，如背光源均勻性、TFT漏電均勻性以及液晶配向性等。

目前，隨著自動光學檢測技術的快速發展，關于TFT-LCD表面缺陷分類方法的研究成為熱點之一。Lim，采用的是定位信息對液晶面板缺陷進行分類；Jiang，利用采樣技術和5個特征值對PCB板分類；Chang，通過形狀信息對BCD導體進行分類。

3 TFT-LCD表面缺陷檢測方法

隨著高世代液晶面板的不斷推出，玻璃基板的尺寸越來越大，生產制造過程中對檢測缺陷的準確度和速度的要求也越來越高。表面缺陷的檢測方法有傳統接觸式檢測、人工視覺檢測、激光掃描、電磁檢測、機器視覺與自動光學檢測等，種類繁多。大體上可以分為三類：人工視覺檢測法、電學參數檢測法和自動光學檢測法[2，3]。自動光學檢測法不需要或需要較少的人工干預，是一種自動化、高性能的檢測方法，具有更高的客觀性和穩定性，是當前發展最快的表面缺陷檢測方法之一[4，5]。目前，在表面缺陷檢測領域，國外已經進入到大規模高精度的在線檢測階段，而國內也開始得到學術界及產業界的重視。

3.1 人工視覺檢測法

人工視覺檢測是最原始的表面缺陷檢測手段，即采用肉眼檢測產品缺陷的方法。這種方法檢測存在較多缺點：一是檢測速度慢，效率低，無法滿足高速自動化生產線；二是檢測精度低，無法識別微米級尺寸的缺陷，誤檢漏檢的概率高；三是工人勞動強度大，工作環境差，容易受周圍環境的影響而導致誤判；四是監測數據不便于管理和保存。因此，人工視覺檢測目前已經逐漸被淘汰。

3.2 電學參數檢測法

電學參數檢測是通過測定產品的電學性能來判定其是否合格，只能檢測出由于電學因素導致的缺陷，有很大的局限性，主要用于檢測面板的功能性缺陷。如TFT面板中數據線和柵極線之間的短路、數據線和柵極線自身的斷路等電氣原因造成的缺陷，需要通過電學法進行檢測。常用的電學檢測方法有：全屏點亮法、探針掃描法、電荷讀出法、電壓圖像法、導納電路檢測法和電子柬掃描像素電極法等[1]。此外，電學法僅能用于TFT-LCD面板制造完成后的檢測，對面板制造過程中出現的各種缺陷無法檢測。

3.3 自動光學檢測法

自動光學檢測技術集成運用光學傳感技術、信號處理技術和運動控制技術，進行工業生產過程中的測量、檢測、識別和引導等工作。自動光學檢測系統的原理如圖2所示。與人工視覺檢測法和電學法相比，自動光學法的TFT-LCD面板缺陷檢測速度快，準確率高，效率成本低，且是非接觸檢測，已經成為研究的熱點。圖3為典型的TFT-LCD面板缺陷檢測系統。

目前，基于機器視覺成像原理的AOI，在工業生產中被廣泛應用，該系統由圖象采集部分、圖象處理部分、輸入輸出部分、智能控制及機械執行等幾部分組成。AOI采用高分辨率與高靈敏度的成像技術，獲取目標圖像，經快速圖像處理與圖形識別算法，得出被測目標的缺陷、尺寸、位置等信息，由此實現目標產品檢驗、目標定位與裝配機構的引導、裝配線上目標的識別與鑒定等任務。圖4為機器視覺表面缺陷檢測系統示意圖。

根據對獲取的圖像的處理方式，自動光學檢測法又可以分為圖像處理法和圖像識別法。

圖像識別法是根據獲取的圖像數據進行特征提取或維數降低，再將提取的特征或降低維數后的數據輸入到分類器中進行面板圖像分類，從而判定有無缺陷、缺陷的種類以及缺陷的等級等。其輸入的圖像數據有兩類：一類是圖像上每個像素數據，另一類是能夠代表圖像像素的某些特征，如紋理特征、幾何特征、活度特征等。前者信息完整，識別精度高，但數據繁多，速度慢，后者則由于提取的特征參數不能完全代表圖像信息，導致識別精度低，但是數據量小，識別速度快。因此，針對兩者的研究重點也不相同：對于前者，主要是在不降低識別精度的情況下，降低面板數據維數，提高識別速度；對于后者則是提取面板圖像的有效特征。Kang和Pai等提出用主成分分析法和線性判別分析法對輸入分類器的圖像特征降維，以提高分類器的分類速度和降低對噪聲的敏感度。Tomczak L等采用基于主成分分析法和奇異值分解法的缺陷特征提取法檢測TFT-LCD面板缺陷，但只能針對圖像的線性數據降維，Liu等又進一步提出采用局部線性嵌入法和主成分分析對分線性數據進行降維，以獲取更加明顯的特征。Liu等采用紋理的熵、能量、對比度和均勻性四個特征進行分類器訓練，缺陷的檢測準確率可達99%，分類準確率達96%。Noh等根據缺陷圖像的亮度分布、線性度和形態學特征，采用線性擬合、多級亮度對和形狀環境對常見的5類缺陷實現了有效分離，但準確率有待提高。

圖像處理法主要包括邊界模糊缺陷分割法、差影法和濾波法三種。邊界模糊缺陷分割法需要首先解決圖像噪聲大、亮度不均勻以及重復性紋理的問題，再設置合適的閾值將缺陷區域分割出來。邊界模糊缺陷分割法是利用缺陷和背景交界處的一階和二階導數不連續的特點，對圖像進行分割的方法，常用的有微分邊界檢測算子和多尺度邊界檢測算法[6]。針對微分算子對噪聲敏感的特性，科研人員又對一些算法進行了改進，如將衰減因子引入Sobel算子[7]，以及通過一階導數的極大值剔除偽邊界點等。在多尺度邊界檢測中，現在主要應用的有小波變換邊界檢測算法。差影法實際上就是圖像的差分運算（又稱減影技術），是運用某種算法得到用于差影的模板圖像，然后將待檢面板圖像和模板圖像經過配準后，進行差分運算，獲得殘影圖像，根據預先設置的閾值進行缺陷的判斷。圖像的差分運算表達式如下：

D（x，y）=B（x，y）-A（x，y）

是指對兩幅輸入圖像進行點對點減法而得到輸出圖像即D（x，y），其中，D（x，y）為殘影圖像，B（x，y）為采集得到的圖像，A（x，y）為提供的模板圖像。D（x，y）顯示兩幅輸入圖像間的差異，非常適用于目標缺陷的識別和檢測工作。在得到D（x，y）之后，假設缺陷點與背景的灰度之差的閾值為T，則對于滿足D（x，y）>T的像素點（x，y），都可判定為是一個缺陷點[8]。差影法的算法簡單、直接、有效，速度快，但需要較大的存儲空間來存儲模板圖像，易受照明變化和空間位置的影響，且只能拿檢測缺陷的存在與否，無法對其分類和分級。濾波法是通過設計相應的濾波器，通過異常頻率或脈沖響應來檢測TFT-LCD面板缺陷。濾波法不需要空間生成和存儲模板，就可以快速判定面板上是否有缺陷，分廠適合應用于在線檢測，但也只能檢測特定缺陷，且無法提供缺陷的面積、位置、類別、等級等詳細信息。

4 結束語

TFT-LCD表面缺陷的自動光學檢測已成為研究的熱點，結合研究現狀，以后的研究工作應從以下幾個方面展開：

（1）如何實現TFT-LCD表面缺陷的全部檢測、分類以及缺陷細節信息統計。由于目前的TFT-LCD表面缺陷檢測方法多是針對特定的一種或幾種缺陷進行檢測，且往往只能判定缺陷的有無，無法提供關于缺陷的詳細信息，不利于查找和解決產生缺陷的原因。若能實現缺陷的詳細信息的統計，對于進一步優化生產技術，快速解決連續生產中產生的問題有很大的幫助。

（2）提高TFT-LCD面板運動圖像缺陷的檢測準確性。由于生產線上運動產品缺陷圖像的邊緣具有模糊和不確定性，開發基于多尺度效應的、自適性高的缺陷檢測法，提高在線動態檢測的準確性。

（3）提高系統集成化。目前的缺陷檢測系統大都采用分立式的管理，各模塊的操作尚不能從終端統一操作，特別是在多臺處理器形成網絡化時的調度與傳輸，自動化程度尚需提高。

（4）開發大視場檢測系統。目前國內表面缺陷檢測系統大部分是中小型系統，檢測速度慢，大視場檢測設備會產生大量圖像數據，同時還要面臨并行相機檢測的缺陷如何還原到實際坐標的問題。

參考文獻

[1]簡川霞.TFT-LCD表面缺陷檢測方法綜述[J].電視技術，2015，39（9）：146-152.

[2]李茂.基于機器視覺的TFT-LCD屏Mura缺陷檢測方法研究[D].電子科技大學，2013.

[3]劉毅，鄭學仁，王亞南，等.MATLAB在TFT-LCD屏顯示MURA缺陷檢測的應用[J].液晶與顯示，2007，22（6）：731-736.

[4]楊波，鄒富強.異向性磁阻傳感器檢測車流量的新方法[J].浙江大學學報（工學版），2011，45（12）：2109-2114.

[5]黃鶯.基于ZigBee技術的實驗室環境監測系統[J].測控技術，2014，33（10）：109-111.

[6]段瑞玲，李慶祥，李玉和.圖像邊緣檢測方法研究綜述[J].光學技術，2005，31（3）：415-419.

[7]季虎，孫即祥，邵曉芳，等.圖像邊緣提取方法及展望[J].計算機工程與應用，2004，40（14）：70-73.

[8]何志廣.基于圖像處理技術的TFT-LCD微米級缺陷檢測方法研究[D].哈爾濱工業大學，2007.

作者簡介：常隨杰（1990-），男，河南商丘人，北京京東方顯示技術有限公司，工程師，碩士，研究方向為薄膜晶體管液晶顯示器彩膜微觀缺陷檢測。