参数自适应的液晶屏幕缺陷检测框架

发布时间：2021-08-03 20:59

　　液晶显示屏生产过程中不可避免存在缺陷,需要检测以确保质量。人工检测工作量大、准确率低、迫切需要一种高效而准确的自动化检测方法。为此,提出了一种新的参数自适应的缺陷检测框架,主要包括提取屏幕区域、预处理、阈值分割、缺陷选择。通过参数的自适应调整,使检测方法适应各种复杂的情况。在阈值分割时,针对光照影响的问题,采用自适应调整阈值参数的方式分割缺陷区域。首先计算图像的最大灰度值,然后根据无缺陷图像确定固定参数,缺陷图像确定系数,最后在固定参数和最大灰度值与系数之积中选择最大值作为阈值分割的最小阈值。在检测饱和度缺陷时,针对低分辨率相机拍摄的图像明暗差异小的问题,采用自适应调整曝光参数采集图像分别处理明暗程度差异大的不同图像部分。实验表明,该方法能高效准确地检测点类、线类、Mura和饱和度缺陷。 

【文章来源】：哈尔滨理工大学学报. 2020,25(05)北大核心

【文章页数】：8 页

【部分图文】：

缺陷类型

提取屏幕区域是屏幕检测的首要任务。因为在相机采集图像时,可能会采集到除屏幕外的多余区域,如屏幕边框,电源键等,影响算法检测缺陷,所以需要从采集的图像中提取出屏幕区域。另外提取出屏幕区域,能够缩小算法检测范围,提高检测效率。本算法首先采用阈值分割方法选择区域,然后利用区域面积的差异选择出屏幕区域,获取该区域的轮廓,再利用加权最小二乘法拟合矩形,即可获取屏幕矩形区域,最后在原图上提取屏幕图像SROI(screen region of interest,SROI),如图2所示。2.2 预处理

其中x=0,1,…,M-1,y=0,1,…,N-1。通过快速傅里叶变换,高斯差分滤波DOG作卷积操作得到图像ImageConvolA,反傅里叶变换ImageConvolA后缺陷凸显出来,再利用矩形灰度范围增强缺陷,即用一个矩形结构元素在图像中滑动,新的灰度值等于矩形中输入图像最大灰度值和最小灰度值差值,增强孤立点或团状缺陷。如图3所示是无缺陷和各类缺陷的原图、滤波处理后和缺陷增强后的结果。2.2.2 边缘提取

【参考文献】：
期刊论文
[1]基于机器视觉的手机屏幕缺陷检测系统研究[J]. 彭赶,张平,潘奕创.  自动化技术与应用. 2018(09)
[2]基于图像处理的手机屏幕缺陷检测系统研究[J]. 高如新,任晓朵,吴献,魏爱权.  测控技术. 2017(04)
[3]基于形态学玻璃屏幕表面划痕检测方法研究[J]. 赵文宏,彭超,陈红星.  浙江工业大学学报. 2016(03)
[4]基于二维DFT的TFT-LCD平板表面缺陷检测[J]. 张腾达,卢荣胜,张书真.  光电工程. 2016(03)
[5]TFT-LCD表面缺陷检测方法综述[J]. 简川霞.  电视技术. 2015(09)
[6]一种基于像素点TFT-LCD的点线缺陷的检测方法[J]. 张佳.  科技创业月刊. 2014(11)
[7]TFT-LCD缺陷检测系统的研究[J]. 王新新,徐江伟,邹伟金,刘永丰,王秀丽.  电子测量与仪器学报. 2014(03)
[8]基于多项式曲面拟合的TFT-LCD斑痕缺陷自动检测技术[J]. 张昱,张健.  光电工程. 2006(10)

硕士论文
[1]基于机器视觉的液晶屏缺陷检测[D]. 朱恒川.电子科技大学 2018
[2]TFT-LCD点线缺陷检测图像处理算法研究[D]. 闫真真.合肥工业大学 2017
[3]基于小型TFT-LCD点缺陷检测系统的研究[D]. 周波波.中南林业科技大学 2016
[4]基于图像背景重构和水平集的TFT-LCD缺陷检测算法研究与应用[D]. 陈廉政.华中科技大学 2016
[5]TFT-LCD缺陷检测系统中的图像处理[D]. 李传乐.吉林大学 2016
[6]TFT-LCD显示屏Mura缺陷自动光学检测算法研究[D]. 李强国.电子科技大学 2013



本文编号：3320327