機器視覺在TFTLCD暗畫面缺陷檢測中的應用

顧杰+肖遼+馬軍山

摘要： 針對目前TFTLCD缺陷檢測普遍采用的人工視覺檢測方法，介紹了一種基于機器視覺的檢測系統。運用閾值迭代算法實現了對TFTLCD暗畫面下缺陷圖像的分割和檢測，利用MIL圖像處理軟件實現了對缺陷的自動檢測。實驗結果表明，該系統能夠準確地實現暗畫面下可見缺陷的自動檢測功能。

關鍵詞： TFTLCD； 機器視覺； 暗畫面

中圖分類號： TP 212.1 文獻標志碼： A doi： 10.3969/j.issn.1005-5630.2017.03.003

Application of machine vision in defect detection of TFT-LCD dark picture

GU Jie， XIAO Liao， MA Junshan

（School of Optical-Electrical and Computer Engineering， Unversity of Shanghai for Science and Technology， Shanghai 200093， China）

Abstract： Aimed at TFT-LCD defect detection by human visual inspection method of this paper introduces a detection system based on machine vision.The dark pictures is segmented and detected by threshold iterative algorithm.The automatic detection of the defect is realized by MIL image processing software.The experimental results show that the system can realize the automatic detection of visible defects in the dark pictures accurately.

Keywords： TFT-LCD； machine vision； dark pictures

引 言

隨著智能手機銷量的不斷升高，手機廠商對手機屏幕的需求也逐年增加。目前，除了韓國三星電子等少數廠家采用的是有機發光二極管OLED屏幕以外，薄膜晶體管液晶顯示屏TFTLCD[1]仍然是目前手機屏幕的主流。TFTLCD具有低功耗、高亮度、高對比度、高響應速度以及輕薄易用等優點，在未來很長的一段時間依然還會是手機屏幕的主流。

缺陷檢測與 TFTLCD 的生產密不可分，也是TFTLCD質量控制的重要手段。隨著LCD向大尺寸、輕薄化、低功耗、高分辨率的方向發展，玻璃基板及相關光學組件的尺寸逐漸增大，厚度日益減小，致使液晶顯示屏產生各種顯示缺陷的幾率大大增加。與此同時，目前液晶面板行業的絕大多數生產制造商在缺陷檢測環節仍然采用傳統的人工視覺檢測（HVI）[2]方法，但該方法易受檢測人員主觀因素及外界環境影響，很難保證產品質量，檢測效率也極為低下。因此，研究快速、不受外界環境干擾、符合人眼判斷標準的自動機器視覺缺陷檢測方法成為液晶顯示技術發展的迫切要求。

1 TFTLCD缺陷成因及缺陷分類

TFTLCD的生產過程非常復雜，包括近百道工序[3]，幾乎所有的生產過程都是在嚴格控制的環境中進行的，但還是會引入粉塵、顆粒等異物或者由于操作不當等因素造成某些電路的斷路或短路等，使得生產的TFTLCD出現缺陷。

TFTLCD的顯示缺陷種類繁多，主要可以分為：（1） 根據缺陷產生的原因，可以分為電氣缺陷[4]和非電氣缺陷，例如，由于顯示屏內部電路的短路、斷路造成的缺陷為電氣缺陷，而由于劃傷、異物等引起的缺陷為非電氣缺陷[5]。（2） 根據缺陷的尺寸，可以分為宏觀缺陷和微觀缺陷[6]。（3） 根據缺陷的形狀，又可以將其分為點缺陷（像素缺陷）、線缺陷和面缺陷。 在這些缺陷中，點缺陷表現為一個像素大小的亮點或暗點，線缺陷為一條或多條像素寬度的亮線或暗線，而對于氣泡、異物、臟污等屬于面缺陷。目前LCD生產商一般只允許一定數量、一定大小以內的不聚集在一起的點缺陷，其它的缺陷必須在出廠前嚴格檢測。

2 缺陷檢測系統構成及實驗條件

2.1 TFTLCD屏缺陷檢測機器視覺系統構成

TFTLCD屏缺陷檢測機器視覺系統可實現對屏幕缺陷的自動檢測。由于不同的缺陷在TFTLCD屏幕顯示不同畫面時表現形式是不一樣的，就比如紅點漏光[7]類缺陷不可能在LCD顯示紅畫面下顯示出來，也就不能夠通過機器視覺系統檢測出來。所以，機器視覺系統需要在LCD顯示不同的畫面時分別檢測不同的缺陷，這就需要機器視覺系統的算法能夠覆蓋所有的LCD顯示畫面。一般情況下，機器視覺系統需要檢測TFTLCD屏幕的顯示畫面包括：暗畫面（液晶分子未發生偏轉[8]，但背光發光，所以表現為暗畫面）、純白畫面、R、G、B等。本實驗所采用的算法主要是針對暗畫面下的缺陷檢測開發的。

一般地，TFTLCD 屏缺陷檢測機器視覺系統[9]由TFTLCD驅動器、TFTLCD 屏樣本、高分辨率相機、鏡頭、PC機和圖像采集卡組成。首先由 TFTLCD驅動器輸出信號驅動 TFTLCD 屏顯示特定畫面（R、G、B[10]、White、Gray、暗畫面等），然后利用高分辨率相機在暗室中從TFTLCD屏垂直正上方采集圖像，最后將采集到的圖像信號經圖像采集卡交由工控機處理。在工控機上，利用圖像處理軟件經不同的算法處理最后得出檢測結果，從而實現 TFTLCD 屏缺陷的自動檢測。

2.2 實驗條件

本實驗采用的是目前市場上最高分辨率的7 100萬（10 000×7 096）像素的工業相機，型號為Vieworks 71 MP，靶面大小為31 mm×22 mm，鏡頭放大倍率為0.2×，F數為3.3，視場大小為155 mm×110 mm，可兼容目前市場上的7 in（1 in=25.4 mm）以內的顯示屏。實驗樣品為目前市場上主流的5.5 inFHD（1 920×1 080分辨率）TFTLCD屏。缺陷檢測需要在不同的畫面（R、G、B、White、Gray、暗畫面等）下切換進行，本實驗只針對暗畫面下的缺陷檢測。圖1為實驗采集的圖片及部分放大后的圖片，其中（a）為源圖片，（b）為局部放大后的圖片。

3 圖像處理

3.1 算法

閾值分割是圖像處理中最常用的圖像分割方法，它可以將目標圖像分成若干個特定的、具有獨特性質的區域。閾值分割就是簡單地用一個或幾個閾值將圖像的灰度直方圖分成幾個類，認為圖像中灰度值在同一個灰度類內的像素屬于同一個物體。閾值分割法主要有兩個步驟：（1） 確定進行正確分割的閾值；（2） 將圖像的所有像素的灰度級與閾值進行比較，以進行區域劃分，達到目標與背景分離的目的。在這過程中，正確確定閾值是關鍵，只要能確定一個合適的閾值就可以完成圖像的準確分割，其基本原理的數學模型為：

式中：f（i，j）為閾值判斷函數，（i，j）為圖片中各像素的位置坐標；T為閾值；g（i，j）為二值化函數，物體的目標圖像元素g（i，j）=1，背景的圖像元素g（i，j）=0。

閾值分割法的結果在很大的程度上依賴于對閾值的選擇。對于LCD屏幕缺陷檢測來說，即使是同一批屏幕，屏幕亮度本身及缺陷本身的大小及亮度都有很大的不確定性，所以無法給出一個確定的閾值來檢測屏幕中的缺陷，也就是說用單一閾值的方法進行缺陷分割是行不通的。

迭代閾值法[11]是在傳統的閾值分割方法基礎上建立起來的一種可以實現自動選取閾值的方法。迭代閾值法是基于逼近的思想，其步驟如下：

求出圖像的最大灰度值和最小灰度值，分別記為Zmax和Zmin，令初始閾值

根據閾值Tk（k為迭代次數）將圖像分割為前景和背景，分別求出兩者的平均灰度值Z0和Zb；

求出新閾值

若Tk=Tk+1，則所得即為閾值，否則轉到第（2）步，重新進行迭代計算。

3.2 算法流程

根據以上理論建立了算法流程：

3.3 圖像處理

本實驗系統采用基于win7 64 bit架構的工控機為軟件開發平臺，以visual studio 2010為集成開發環境，采用Matrox的MIL（Matrox Imaging Library）作為機器視覺和圖像處理核心軟件。Matrox Graphics Inc.（邁創圖形技術）擁有20多年制造圖形芯片及圖形卡的經驗，在圖像處理方面處在行業絕對領先水平，Matrox公司推出的一整套方案可以直接控制Matrox的圖像采集卡，控制相機采集圖片、獲取圖片并直接通過MIL進行圖像處理。本算法通過MIL編譯，實現了對圖像的自動采集、緩存到buffer、存儲到硬盤的圖像自動處理流程。

3.4 結果分析

實際的部分檢測結果如圖3所示，其中（a）、（c）、（e）為在原圖像中截取的部分缺陷放大圖片，（b）、（d）、（f）為實際處理結果。從結果可以看出，該算法可以很好地還原缺陷形貌，對不同形狀、不同灰度的缺陷也都有著比較明顯的效果。

本實驗使用了16片TFTLCD 樣品，其中 11片在暗畫面下有亮點或cell漏光缺陷，另外4片無缺陷。檢測結果顯示，本實驗方法可有效正確地分辨出暗畫面下TFTLCD 樣品中的良品與不良品。

4 結 論

隨著人們對TFTLCD顯示屏的需求不斷增多及對產品品質的不斷提高，傳統的人眼檢測方法（HVI）已不能滿足檢測效率和精度的要求。本文利用TFTLCD機器視覺檢測系統，提出了一種TFTLCD 屏在暗畫面下的缺陷檢測方法，并用MIL軟件驗證了該方法的可行性及準確性，實現了機器視覺檢測系統的自動檢測，為將來的TFTLCD機器視覺全自動檢測系統研制提供了參考。

參考文獻：

[1] SEMI D41-0305：Measurement method of SEMI Mura in FPD image quality inspection[S].2005.

[2] CHOI K N，LEE J Y，YOO S I.Area-Mura detection in TFT-LCD panel[C]∥Proceedings of SPIE 5300，International Society for Optics and Photonics.South Korea：SPIE，2004：151158.

[3] 潘立豹，劉儒峰，趙倫保，等.基于機器視覺的軍用液晶顯示器顏色Mura的研究[J].光電子技術，2015，35（1）：1013.

[4] 李坤，李輝，劉云杰，等.LCD Mura缺陷的B樣條曲面擬合背景抑制[J].光電工程，2014，41（2）：3339.

[5] 李亞利，張方輝.TFTLCD切割裂片工藝參數探討[J].液晶與顯示，2006，21（1）：4347.

[6] 李文波，王剛，張卓，等.TFT用掩模版與TFTLCD陣列工藝[J].半導體技術，2010，35（6）：522526.

[7] 吳洪江，王威，龍春平.一種TFTLCD Vertical Block Mura的研究與改善[J].液晶與顯示，2007，22（4）：433439.

[8] 程石，王濤，張敏，等.TFTLCD中隔墊物密度與Push Mura和低溫氣泡的關系[J].液晶與顯示，2011，26（5）：604607.

[9] HE Y，ZHANG X，YANG Y F，et al.Guided modes in asymmetric metal-cladding left-handed material waveguides[J].Chinese Optics Letters，2011，9（5）：052301.

[10] 開躍春，金濤，賈宏志.單片機實現LCD白平衡的自動調整[J].光學儀器，2008，30（6）：4548.

[11] 田涌濤，李霞，王有慶，等.基于二維三階多項式擬合的閾值曲面分割法[J].計算機工程，2003，29（4）：127129.