大尺寸平板微缺陷自动分类识别技术研究
发布时间：2021-01-06 00:38
目前国内的显示平板产能已达到全球第一,但国内对产线所需的大尺寸平板缺陷检测高端设备,尤其是带有缺陷分类识别功能的复检系统的开发上相对滞后,仍处于国外技术垄断状态,且对于缺陷种类以人工判别为主,因此国内对于用于微缺陷识别分类的复检系统有迫切需求。而目前公布的文献显示对缺陷分类的研究主要围绕周期性背景纹理下,根据缺陷形状等信息进行点状缺陷、线状缺陷分类或根据缺陷的位置以及缺陷的大小进行致命缺陷和非致命缺陷的分类,无法实现所需的复检系统对微缺陷的缺陷种类的识别功能。因此本课题针对大尺寸平板缺陷种类识别这一问题,研究用于微缺陷自动识别分类的复检系统。设计复检硬件系统,研究非周期性背景纹理下的缺陷识别分类算法,并进行准确率分析。本课题主要的研究内容如下:（1）设计复检模块的光学系统及机械结构,根据复检系统的需求分析,通过对系统中成像、照明、对焦模块的可行方式进行优劣分析,最终确定采用无限远显微成像系统,照明方式采用临界同轴照明,对焦方式采用激光位移传感器进行测距对焦,并完成模块中所需器件的选型,最后根据所选器件设计器件间连接的机械结构。（2）提出采用基于奇异值分解重构方法与基于孔洞特征检测方法结...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
Array阶段工序实际大尺寸平板生产过程中，缺陷是普遍存在的，并非有缺陷的大尺寸平
慕鲇邪卤??竞头ㄊ犹毓?荆?飧?幌匀毕葜掷嗍侗鸸δ艿母?价值。1.2.2大尺寸平板缺陷分割技术研究现状在进行大尺寸平板缺陷种类识别的研究中，对采集的缺陷图像的进行缺陷分割是缺陷种类识别的基础与前提。因为针对平板这一特殊检测对象，缺陷图像往往具有复杂的背景纹理，如图1-2所示的Array阶段缺陷图像，缺陷本身信息量远小于背景纹理，因此进行缺陷图像分割可以有效减少缺陷种类识别过程的运算量，排除缺陷背景纹理对识别准确率的干扰。而目前缺陷图像的分割技术根据作用域可以划分为频域分割和空间域分割两种。图1-2TFT-LCD检测图像（1）在频域中进行图像分割是基于图像频域的幅值相位信息实现对缺陷与背景的分割。2005年台湾元智大学的D.M.TSAI和C.Y.HUNG提出基于一维的傅立叶重建算法[11]，该方法首先在一维傅里叶频谱中去除表示TFT-LCD线图像周期模式的频率分量，然后利用傅里叶反变换将一维傅里叶域图像反变换为一维空间域图像，分割过程如图1-3所示，进一步应用小波分解去除滤波后图像中的
哈尔滨工业大学工程硕士学位论文-4-不均匀光照，实现对缺陷的分割检测。2013年LuciaBissi和GiuseppeBaruffa等人使用Gabor滤波的方式实现对于缺陷纹理的提取[12]。2017年北京信息科技大学的温招洋等人采用结合频域的离散余弦变换(DCT)以及空域的最大类间差法(OSTU)实现了对LCD屏上的点状、线状、块状缺陷率为92%的提取[13]。2019年合肥工业大学的纪超同样应用DCT实现LCD上的Mura缺陷进行提取，面对Mura区域能量在DCT过程中的泄漏导致俄“十字纹路噪声”，通过统计分析DCT系数转折点，并将其作为重构截止频率，实现抑制[14]。图1-3一维的傅立叶重建算法示意图[11]使用频域分割是可以获得较好的分割效果，但是其有特定的适用范围，无法对非周期背景进行缺陷分割。（2）在空间域进行图像分割是基于图像的灰度值（或RGB）阈值、边缘轮廓信息等内容实现对于缺陷与背景的分割。2008年LG公司的SeongHoonKim等学者提出一种基于平均值减法的高通滤波阈值分割方法[15]，该方法首先利用原始图像与平均图像做差获得Mura显著图像，实现对直接阈值分割法的改进，降低了液晶屏背景不均匀性和梯度差异的影响，效果对比如图1-4所示。其次引入递归计算简化平均图像的计算迭代过程，将计算时间由8410ms缩短为50ms，提高了方法的实用性。图1-4直接阈值分割与平均滤波法的效果对比图
本文编号：2959585
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
Array阶段工序实际大尺寸平板生产过程中，缺陷是普遍存在的，并非有缺陷的大尺寸平
慕鲇邪卤??竞头ㄊ犹毓?荆?飧?幌匀毕葜掷嗍侗鸸δ艿母?价值。1.2.2大尺寸平板缺陷分割技术研究现状在进行大尺寸平板缺陷种类识别的研究中，对采集的缺陷图像的进行缺陷分割是缺陷种类识别的基础与前提。因为针对平板这一特殊检测对象，缺陷图像往往具有复杂的背景纹理，如图1-2所示的Array阶段缺陷图像，缺陷本身信息量远小于背景纹理，因此进行缺陷图像分割可以有效减少缺陷种类识别过程的运算量，排除缺陷背景纹理对识别准确率的干扰。而目前缺陷图像的分割技术根据作用域可以划分为频域分割和空间域分割两种。图1-2TFT-LCD检测图像（1）在频域中进行图像分割是基于图像频域的幅值相位信息实现对缺陷与背景的分割。2005年台湾元智大学的D.M.TSAI和C.Y.HUNG提出基于一维的傅立叶重建算法[11]，该方法首先在一维傅里叶频谱中去除表示TFT-LCD线图像周期模式的频率分量，然后利用傅里叶反变换将一维傅里叶域图像反变换为一维空间域图像，分割过程如图1-3所示，进一步应用小波分解去除滤波后图像中的
哈尔滨工业大学工程硕士学位论文-4-不均匀光照，实现对缺陷的分割检测。2013年LuciaBissi和GiuseppeBaruffa等人使用Gabor滤波的方式实现对于缺陷纹理的提取[12]。2017年北京信息科技大学的温招洋等人采用结合频域的离散余弦变换(DCT)以及空域的最大类间差法(OSTU)实现了对LCD屏上的点状、线状、块状缺陷率为92%的提取[13]。2019年合肥工业大学的纪超同样应用DCT实现LCD上的Mura缺陷进行提取，面对Mura区域能量在DCT过程中的泄漏导致俄“十字纹路噪声”，通过统计分析DCT系数转折点，并将其作为重构截止频率，实现抑制[14]。图1-3一维的傅立叶重建算法示意图[11]使用频域分割是可以获得较好的分割效果，但是其有特定的适用范围，无法对非周期背景进行缺陷分割。（2）在空间域进行图像分割是基于图像的灰度值（或RGB）阈值、边缘轮廓信息等内容实现对于缺陷与背景的分割。2008年LG公司的SeongHoonKim等学者提出一种基于平均值减法的高通滤波阈值分割方法[15]，该方法首先利用原始图像与平均图像做差获得Mura显著图像，实现对直接阈值分割法的改进，降低了液晶屏背景不均匀性和梯度差异的影响，效果对比如图1-4所示。其次引入递归计算简化平均图像的计算迭代过程，将计算时间由8410ms缩短为50ms，提高了方法的实用性。图1-4直接阈值分割与平均滤波法的效果对比图
本文编号：2959585
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2959585.html
