基于自相关性和模版匹配的TFT缺陷电路重构算法

发布时间：2024-05-13 06:24

　　在TFT的制程中会造成许多不可避免的工艺缺陷,需要逐个判断其对TFT电路所造成的影响,这种缺陷检查方式需要大量人力且速度慢、精度低,因此,将人工识别替换成计算机自动化识别就显得尤为重要。自动识别中的一个关键部分就是将TFT电路进行定位。针对因缺陷颜色、形状、位置、大小不固定等原因导致现有图像处理算法无法准确定位出TFT电路位置的问题,本文提出基于自相关性和模版匹配的TFT电路图像重构算法。首先,对全自动光学检测(AOI)相机采集的缺陷图片进行区域提取,估算出偏角并校正图像;根据边缘图像的灰度垂直响应的自相关估计函数来估算电路的重复周期,再由周期灰度均值来确定一组的电路纵贯线位置,利用TFT电路周期特征重构出其余纵贯线;通过角模版匹配算法重构TFT电路硅岛部分。实验结果表明,本文提出的算法能够重构出被缺陷遮挡、图片模糊、电路缺失等情况下的电路,定位准确率达96%以上。基本满足TFT缺陷自动化识别中的电路定位要求。

【文章页数】：8 页

【部分图文】：

图1提取目标区域

AOI相机采集的缺陷图片会在图片的下方打上产品批次、拍摄时间等信息，需要将这些高度不一的文字区域剔除，避免这些冗余信息对后续模版分割造成影响，图1(a）为AOI相机采集的原始图像。首先将RGB图像转换成灰度图像。计算公式如下：

图2图像校正过程

其中图片大小为W×H，灰度值小于阈值的像素个数记为前景像素个数N0，反之记为背景像素个数N1。μ为图像的平均灰度。w0与w1分别是N0与N1和W×H的比值。μ0、μ1为前景与背景的平均灰度。阈值遍历0～255，得到使方差g最大的阈值。再将二值图像经过膨胀卷积算子与原来的二值图像做....

图3纵贯线位置估计

其中G为原图像灰度值的分布。在相邻像素中插入一个新像素点，其灰度值为相邻像素的灰度均值。接着将引入了坐标浮点数的灰度图像每隔0.5个像素采样一次进行卷积，计算得出的序列按周期划分为若干个子序列，划分子序列时出现的小数部分四舍五入到最近整数位置。将这些子序列按周期进行叠加并取均值，....

图4缺陷影响电路的若干情况

由于缺陷的存在以及图像尺寸的约束使得图像中的电路硅岛极易受到遮挡，但是绝大部分的图像中都还存在部分完整的电路硅岛角。针对这一特征，本文设计了一种角模版匹配算法，使用部分未被影响的硅岛角来确定电路硅岛部件位置，分别使用电路硅岛的6个角来进行匹配，6个角模版包括2个直角，4个135°....

本文编号：3972514