基于空间标准观测者的TFT-LCD的Mura缺陷检测方法

发布时间：2020-06-05 11:49

【摘要】：在工业显示面板检测中,薄膜晶体液晶显示器(TFT-LCD)的Mura缺陷检测是一个重点。Mura缺陷不仅对比度低,边缘模糊,而且亮度也不均匀,往往含有周期性纹理等,这些特点使之检测起来比较棘手,现今普遍采用机器视觉的检测方法,虽然该方法检测效果较好,但只是注重了检测准确性,而忽略了人眼视觉的感受习惯。本文经过研究,针对Mura缺陷的特点、工业检测的要求以及人眼的视觉感受等方面,提出了一种基于空间标准观测者的TFT-LCD的Mura缺陷检测方法,该方法主要通过人眼对比度敏感函数进行图像滤波后产生一幅合乎人眼视觉感受的最小可觉差映射图,然后对该最小可觉差图进行增强,最后利用图像分割技术来分割出缺陷。实验证明该方法不仅能有效检测出Mura缺陷所在,而且适合人眼视觉感受。论文的主要工作如下:(1)图像下采样。实际工业检测中,为了保证面板的检测精度,一般采用高精度的工业相机,并且是位图格式,所以相机采集出来的图像一般都很大,大约为几十兆的大小,为保证检测效率和降低对设备性能上的要求,可以事先对图像进行下采样处理,从而使图像数据缩减。为了选择合适的采样比例,这里采用了变差函数来统计图像灰度的周期,以计算出的垂直与水平方向的像素灰度周期作为均值采样的比例,然后进行均值下采样,该方法不仅能压缩图像大小,减少计算量,也能保证一定的图像质量。(2)纹理抑制。采用高精度相机时候,采集到的图像经过放大后,会发现有格子般的周期性纹理,或者采集到的图像本身带有纹理,这些纹理会掩盖掉某些弱Mura而造成漏检。本文采用频域滤波的方法对其频谱进行分析,构造了关于滤波半径的能量函数,通过分析该能量函数随滤波半径的变化曲线来找到临界半径,最后将频域滤波后的图像逆变换到空间域,从而得到纹理抑制后的图像。(3)空间标准观测者的研究与改善。空间标准观测者这种方法涉及到物理学,心理学,人眼视觉等,是一个含金量很高而又庞大的系统。本文研究了人眼视觉系统的特征、图像亮度和对比度的校正、人眼对比度模型的建立以及最小可觉差阈值等,在该方法的基础之上改进了最小可觉差映射图,对该图进行增强,突出Mura缺陷,并提出了适用的Mura缺陷的判别标准。(4)Mura缺陷分割。图像分割是本设计的最后一步,其方法有很多,主要有分水岭法、形态学方法、聚类分析法、大津法等,而本文另辟蹊径,针对采集到的图像本身具有背景单一和生成的最小可觉差图像灰度均匀的特点,提出了依赖于灰度图像的均值和标准方差来进行图像分割的方法。在生成的图像中,均值代表着整体均匀的背景,而数倍的标准差则表征着有别于背景的缺陷区域,所以只需要选择一个合适的阈值便能进行有效的分割。在论文的最后,根据本论文设计的方法,进行了Matlab的Mura的缺陷仿真实验来验证该方法。结果显示,本设计方法是十分有效,对于包含噪声、重复性纹理、亮度不均等干扰因素的Mura缺陷图像也能进行有效检测,不仅能准确找出缺陷,还符合人眼的视觉感受习惯,其机器检测的结果同人眼检测的效果一致,并给出了相应Mura缺陷的评价标准。
【图文】：

1 研究背景及意义TFT-LCD(Thin FilmTransistor-Liquid Crystal Display)即薄膜晶体管液晶。液晶显示器夹层里面填充的主要物质是液晶，通过给液晶施加电压来控分子的扭转，从而使光线通过或者被阻挡，最终将画面显示出来。TFT-LC素是相互独立的，这样可以消除串音的干扰，另外 TFT-LCD 能够制成较积，且解析度较高，灰阶丰富。据统计[1]，中国的 TFT-LCD 面板行业在 以后，每年生产面板所需的材料总价值将近千亿元，其中每年所需的液晶少有 250 吨，基板玻璃和偏光片则高达 1 亿平方米，彩色滤光片则有 500方米，光学薄膜甚至高达十几亿平方米。TFT-LCD 的使用十分广泛，它已机、笔记本电脑、液晶电视、桌面显示器等领域大显身手，如下图 1.1 所

2.1 TFT-LCD 的结构与显示原理TFT-LCD（薄膜晶体管液晶显示器）技术并不是忽然从天而降，而是一种将当今的液晶显示器技术和微电子技术结合起来的一种新型显示技术。微电子精细加工技术已经十分成熟，人们利用这种微加工技术将 TFT 阵列加工在大的玻璃面板上，然后用一片带彩色滤色膜的基板和加工好 TFT 阵列基板相结合，便形成了液晶盒，最后通过后续的加工便形成了液晶显示器。TFT-LCD 大致的结构可以形容为三明治再贴切不过了，其结构从上到下可分为玻璃基板、液晶和偏振片三大部分[13]，再加上其它相应的配件便成了薄膜晶体管液晶显示器，它的整体结构如下图 2.1 所示。整个结构中，，玻璃基板是整个液晶显示屏的核心器件载体；液晶则是被填充在两块玻璃基板之间，主要是控制光的透过率；偏振片的作用是偏振自然光，在液晶控制光线透过大小的基础上来实现增大透光率与视角的效果。
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN873.93;TP391.41

【相似文献】

相关期刊论文 前10条

1 张昱;张健;;模糊专家系统在TFT-LCD缺陷检测中的应用[J];光电子·激光;2006年06期

2 吴明复;纤维增强复合材料的应用及其缺陷检测[J];航天工艺;1988年01期

3 张兴森;边美华;梁庆国;卢展强;;基于涡流检测的电力线夹缺陷检测与分类方法[J];中国科技论文;2017年04期

4 张国强;张晓;隋文涛;;基于敲击信号的刹车片内部缺陷检测[J];组合机床与自动化加工技术;2017年10期

5 包正林;;有关阀门缺陷检测方法的分析[J];科技创业家;2013年22期

6 黄艳红;高晓蓉;杜路泉;;光纤光栅传感器在桥梁缺陷检测和结构健康监测中的应用[J];铁道技术监督;2007年11期

7 马少林;用于全寿命风险管理的缺陷检测和预防技术研究[J];航空兵器;2005年02期

8 苏若;吴际;刘超;杨海燕;;基于多视角卡牌模型的需求缺陷检测[J];计算机科学;2018年10期

9 顾杰;肖辽;马军山;;机器视觉在TFT-LCD暗画面缺陷检测中的应用[J];光学仪器;2017年03期

10 李羽可;涂君;宋小春;;超声相控阵缺陷检测聚焦技术仿真分析[J];测控技术;2016年07期

相关会议论文 前10条

1 赵涟漪;许宝杰;童亮;;在线玻璃缺陷检测系统的研究[A];机械动力学理论及其应用[C];2011年

2 王彩霞;何文华;杨威;;基于图像分割的包装缺陷检测分析[A];2012年陕西省焊接学术交流会论文集[C];2012年

3 赵鸿雁;李超;江玉杰;葛亚萍;侯沛东;;图像增强算法在印刷缺陷检测中的应用研究[A];2015第四届中国印刷与包装学术会议论文摘要集[C];2015年

4 唐辉;万来毅;吴晓鹏;;铸坯表面质量缺陷检测系统的算法研究[A];全国冶金自动化信息网2011年年会论文集[C];2011年

5 于景兰;于健;翁昌年;;探地雷达在桥梁缺陷检测中的应用初探[A];中国地球物理第二十一届年会论文集[C];2005年

6 裴翠祥;陈振茂;刘皓晨;邱金星;;激光诱发热波及超声波在材料表面和内部缺陷检测中的应用研究[A];中国力学大会-2015论文摘要集[C];2015年

7 蔡茂蓉;;PCB缺陷检测系统的研究与实现[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年

8 朱尔玉;张文辉;刘福胜;杨威;;混凝土灌注桩缺陷检测及施工质量评估[A];工程安全及耐久性——中国土木工程学会第九届年会论文集[C];2000年

9 薛仁杰;王晓晨;杨荃;董峰;张彦杰;;基于激光超声技术的金属板带缺陷检测研究[A];2018年全国固体力学学术会议摘要集（下）[C];2018年

10 胡达明;;红外热像仪在建筑节能工程质量缺陷检测中的应用研究[A];2009年福建省暖通空调制冷学术年会论文资料集[C];2009年

相关重要报纸文章 前6条

1 ;圆棒表面微小缺陷检测技术[N];世界金属导报;2017年

2 ;智能化：传统企业要行动[N];第一财经日报;2017年

3 本报记者 宋利彩;加快新技术在出生缺陷检测中的转化[N];中国妇女报;2014年

4 记者 胡拥军　通讯员 朱其康 张根华;管道缺陷检测不再“脱外衣”[N];中国石化报;2010年

5 薛守仁;防范基因歧视[N];科技日报;2001年

6 本报记者 滕继濮;油气命脉里的“机器医生”[N];科技日报;2013年

相关博士学位论文 前10条

1 艾矫燕;基于计算机视觉的墙地砖颜色分类和缺陷检测研究[D];华南理工大学;2003年

2 张昱;基于机器视觉的TFT-LCD屏mura缺陷检测技术研究[D];哈尔滨工业大学;2006年

3 彭艳华;基于激光散斑的轮胎制造内部缺陷检测与疲劳寿命预估[D];华南理工大学;2017年

4 陆向宁;基于主动红外热成像的倒装焊缺陷检测方法研究[D];华中科技大学;2012年

5 陈志彦;并行谱域光学相干层析成像系统的研制与应用研究[D];浙江大学;2017年

6 陆宁;基于主动红外热成像的倒装焊缺陷检测方法研究[D];华中科技大学;2012年

7 赵云山;基于符号分析的静态缺陷检测技术研究[D];北京邮电大学;2012年

8 何健鹏;面向钢板缺陷检测的电磁超声兰姆波换能器研究[D];北京科技大学;2018年

9 崔克彬;基于图像的绝缘子缺陷检测中若干关键技术研究[D];华北电力大学(北京);2016年

10 康维新;基于小波和支持向量机的桩基缺陷检测技术研究[D];哈尔滨工业大学;2010年

相关硕士学位论文 前10条

1 刘鹏;基于机器视觉的化妆品纸质标签缺陷检测系统研发[D];浙江理工大学;2019年

2 胡佛;基于面阵CCD的玻璃缺陷检测分析系统研究[D];东北大学;2017年

3 马鑫;基于时频与分形理论的叶片增重缺陷检测方法研究[D];东北大学;2017年

4 易俊;基于机器视觉的钢网微小缺陷检测[D];华中科技大学;2018年

5 殷红杰;基于机器视觉的标签缺陷检测算法研究[D];东北大学;2017年

6 周建;基于空间标准观测者的TFT-LCD的Mura缺陷检测方法[D];东华大学;2018年

7 陈玉叶;液晶屏非显示缺陷检测[D];厦门大学;2017年

8 刘学兵;机器视觉口服液瓶外观的缺陷检测方法研究[D];湖南大学;2018年

9 高雅;纸杯缺陷快速检测技术研究[D];曲阜师范大学;2018年

10 常海涛;基于Faster R-CNN的工业CT图像缺陷检测研究[D];兰州交通大学;2018年

本文编号：2698007