OLED屏机器视觉检测系统的研究

发布时间：2020-04-15 01:49

【摘要】：OLED(Organic Light Emitting Diode,有机发光二极管)屏,由于其在功耗、视角方面的优势,应用的范围越来越广。但是在实际应用中,OLED屏经常会有点缺陷、线缺陷和MURA缺陷三个主要缺陷,其中微小的点缺陷尺寸单位为微米级别,给人工肉眼检测带来了难度。MURA缺陷普遍具有对比度低、边缘模糊、形状不固定及肉眼难以判定等特点,使其成为缺陷检测中最难检测的部分。此外,OLED屏还需要色彩检测及字符集检测,其中字符集检测通常要输出所有字符集(ASCII集)到屏幕上,让肉眼来判断数十个字符,这样的检测方式耗时较长且可靠性也难以得到保障。针对上述提到的问题,本文拟采用机器视觉的方式来替代人工检测,并且要解决主流机器视觉软件无法处理的MURA缺陷背景干扰问题。硬件平台采用工业摄像头及通用的X86服务器,软件方面采用开源的Ubuntu操作系统和Open CV开源图像处理平台,以降低检测系统的开发难度和软硬件采购成本。针对机器视觉中最为关键的光照部分,本文利用OLED屏自发光的特性,设计了一个遮光良好的冶具,这样就可以很清晰的采集到缺陷的特征值。MURA缺陷的检测难点在于其背景干扰,即微弱的MURA缺陷特征值会淹没在周期背景干扰之中。本文首先使用图像矫正算法,将畸变图像进行矫正,接着对周期性背景干扰进行抑制。由于通常的滤波方式会破坏MURA缺陷的特征值,本文通过对多种滤波算法的比较,发现Gabor滤波和SVD(Singular Value Decomposition,奇异值分解)有抑制周期性背景干扰的能力。本文结合SVD和Gabor滤波来综合处理矫正后的图像,在保留MURA缺陷特征值的前提下滤除了周期性背景干扰,再与无缺陷的模板图像进行差影运算,对得到的差值进行判断,即可检测出点、线和MURA三种缺陷。色彩方面的检测则采用将RGB(Red,Green,Black,红绿蓝)色彩空间转化为HSV(Hue,Saturation,Value,色调,色饱和度,亮度)色彩空间,使用H值来判断色彩是否符合要求。字符集的检测则通过分割特定区域内的字符,再利用模板匹配的方式来实现字符的快速检测。最后,使用近百块包含上述所有类型缺陷的OLED屏样本对检测系统和检测算法进行了验证。
【图文】：

外观,显示字,发光点

没有视频输出接口，一般需配备 OLED 屏来输出信息和表示状态，所以为 NAS 产品中一个很重要的组成部分。如果 OLED 屏工作不良，最终将无法获取 NAS 系统的运行情况，并且无法和 NAS 系统进行人机交LED 屏成为整个产品检测中的重点之一。目前本公司 85%左右的产品格为 16×2 的 OLED 单色屏，工作时的外观特征如图 1-1 所示。显示-1 所示。下文将进一步的探讨这一种 OLED 屏的结构特征，工作方式，控制原理以加深对 OLED 屏的认识，以便更好的完成对 OLED 屏的本文所要研究的 OLED 屏有 2 行，每行有 16 个单元。每个单元构成显小的显示单位，，如图 1-1 所示，每个显示单位又由若干发光点组成的。器通过点亮或者熄灭发光点来显示字符。OLED 屏和 TFT 屏具有不同，它们之间的差异在于：OLED 屏中的显示单元是自发光的，不需要背说只需要发光单位，不需要外接光源就可以显示字符。这种与 TFT 屏机理使得 OLED 屏的在检测过程中避免了外在光源在检测时对图像采后文会根据这种特性来设计一套相对应的检测治具。

自动化测试,模组,仪器,内部构造

某款OLED模组自动化测试仪器
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TN383.1

【参考文献】