基于机器视觉的手机屏幕Mura缺陷检测方法研究

通过分析手机屏幕质量检测的重要性以及人工检测的弊端,提出了一种基于机器视觉的手机屏幕Mura缺陷检测方法。首先针对手机屏幕中Mura缺陷对比度低、无明显边界以及背景存在周期性纹理的特点,设计Mura缺陷检测算法,通过图像预处理技术提取感兴趣区域(ROI),设计多尺度多方向的Gabor滤波器组抑制图像重复纹理背景。然后提出基于高斯差分思想的图像增强算法以提高缺陷与背景的对比度,采用局部自适应阈值分割方法对缺陷进行分割,并选取合适的特征参数对Mura缺陷进行量化。试验结果表明,该算法能有效地抑制纹理背景,准确地分割量化缺陷,且算法鲁棒性好,检测准确率≥95%,误检率≤5%,漏检率≤0.5%,检测平均耗时2.3 s,能够满足实际生产中液晶屏缺陷检测的准确度和实时性要求。

TFT-LCD表面Mura缺陷的AOI检测研究进展

液晶显示屏幕的表面缺陷检测是保证TFT-LCD等液晶显示屏质量稳定性的关键。得益于在检测表面缺陷方面高效率、低成本的优势,机器视觉技术目前已经成为TFT-LCD质量检测的主要手段。本文首先概述了液晶屏的发展历程,列举了常见Mura缺陷的类型,分别介绍了基于传统图像处理和基于深度学习的Mura缺陷检测方法,概述了图像滤波和图像亮度校正等图像预处理技术的研究动态。本文重点阐述了监督学习、无监督学习和迁移学习等人工智能技术在TFT-LCD表面Mura缺陷检测领域的应用,并对基于机器视觉的TFT-LCD表面Mura缺陷检测的技术发展趋势进行了展望。

OLED掩模版Mura缺陷分析与改善

Mura缺陷管控作为关键技术指标直接决定着OLED器件的显示画质与良品率。针对OLED掩模版生产过程中发生的Mura缺陷,通过Mura不良分析发现这种缺陷与阵列像素单元邻近辅助图形有关,并在显影工艺后表现出阵列像素单元关键尺寸(CD)不均匀与宏观色差。依据显影工艺分析,基于旋喷式显影模式提出了一种分步显影方案,实验测试分析了显影液流速、旋转速度、纯水流速以及纯水/显影液过渡时间等工艺参数对Mura缺陷的影响。通过优化显影工艺,实现阵列像素单元CD不均匀性优于120 nm,阵列像素单元边缘Mura不良区域由大于3%降低至无视觉可见Mura,结果表明该工艺方案可以显著改善Mura缺陷。

Sau MurA的表征及依布硒啉对Sau MurA和金黄色葡萄球菌的抑制作用

目的 对金黄色葡萄球菌UDP-N-乙酰葡糖胺烯醇丙酮转移酶(Staphylococcus aureus UDP-N-acetylglucosamine enolpyruvyl transferase,Sau MurA)酶学特性和活性位点进行表征,探究依布硒啉对Sau MurA和金黄色葡萄球菌的抑制作用。方法 构建Sau MurA表达系统,利用亲和层析方法纯化MurA蛋白,通过孔雀石绿检测法对其活性进行鉴定,并对其酶学特性进行分析;利用定点突变方法对MurA的6个特定氨基酸位点进行突变,构建突变蛋白表达体系,确定MurA活性位点。利用依布硒啉对Sau MurA和金黄色葡萄球菌及其成熟生物膜进行处理,探究依布硒啉的抑制作用。结果 确定了Sau MurA具有UDP-N-乙酰葡糖胺烯醇丙酮转移酶活性,在37℃和pH=7.5时表现出最大活性。UDP-N-乙酰葡萄糖胺(UDP-N-Acetyl-glucosamine enolpyruvyl transferase, UNAG)的Km为(0.238±0.043)mM,磷酸烯醇式丙酮酸(phosphoenolpyruvate, PEP)的Km为(0.531±0.046) mM。6个Sau MurA突变蛋白均无活性。依布硒啉对Sau MurA和金黄色葡萄球菌均有抑制作用,半抑制浓度(IC_(50))和最小抑制浓度(MIC)分别是4.9μM,4.28μg/mL。当药物浓度为4×MIC,明显抑制细菌的生长。对于成熟生物膜的抑制作用,16×MIC依布硒啉的抑制率约为80%,相同浓度下的利福平抑制率约为40%。结论 Sau MurA在37℃和pH=7.5时表现出最大活性,具有较低的底物亲和力。确定K22,N23,C119,R124,D308,R400是Sau MurA重要的活性位点。依布硒啉抑制Sau MurA的活性和金黄色葡萄球菌的生长,并有效地去除金黄色葡萄球菌的成熟生物膜。

一种TFT-LCD Vertical Block Mura的研究与改善

在TFT-LCD(Thin Film Transistor-Liquid Crystal Display)以及其他显示器件产品中,Mura是一种比较常见的不良现象,它可以直接影响到产品的画面品质。文章结合生产工艺的实际情况,采用MM,CD,EPM,SEM,FIB等检测设备,对一种Vertical Block Mura进行了大量的实验测试、数据分析和理论研究工作,特别是对其产生的原因创新性地提出了两种方向上的理论观点。通过加强设备科学管理监控,减小耦合电容效应等一系列改善措施,产品质量得到了很大程度的提升,Vertical Block Mura从改善前的26.1%降到了1.3%,从而使Vertical Block Mura得以改善,很大程度地提高了产品的品质,并为今后相关问题的进一步研究和解决奠定了一定的理论基础。

LCD Mura缺陷的B样条曲面拟合背景抑制

针对机器视觉检测TFT-LCD Mura缺陷时存在的图像整体亮度不均匀、背景复杂等影响检测准确性的问题,提出一种基于B样条曲面拟合的背景抑制方法。在最小二乘法准则的约束下,采用双三次B样条曲面拟合算法拟合出背景,并添加光顺项调整拟合精度,用原始图像减去拟合背景,从而消除亮度不均匀背景对缺陷分割造成的影响。为提高算法速度,对原始图像进行分块拟合,并将双三次B样条函数分解为一元函数求解,减小了计算量,同时避免了对原函数求解时容易出现的病态解问题。实验结果表明,该算法准确、高效。

基于自适应局部增强的手机TFT-LCD屏Mura缺陷自动检测

针对手机屏幕图像整体亮度不均以及Mura缺陷对比度低等特点,提出一种基于自适应局部增强的Mura缺陷自动在线检测方法。首先对CCD相机采集的手机屏幕原始图像进行感兴趣区域提取、几何校正、滤波等预处理,获取图像中的屏幕区域,然后将屏幕区域划分为多个不重叠的像素块,并根据每个像素块的灰度分布特征,采用自适应局部增强算法自动识别并定位图像中的Mura区域,最后考虑到Mura缺陷大小的不确定,提出采用多层级分块的方式对屏幕区域进行检测,提高算法鲁棒性。实验结果表明,相较现有多种屏幕缺陷自动检测算法,本文方法能更准确有效地识别手机屏幕中的Mura缺陷,且覆盖率和误检率分别为91.17%和5.84%。

基于Chan-Vese模型的TFT-LCD Mura缺陷快速分割算法

针对传统的Chan-Vese模型(C-V模型)分割背景不均匀的TFT-LCD Mura缺陷速度慢的问题,将水平集函数与符号距离函数的偏差作为能量项引入C-V模型,去掉了符号距离函数重初始化步骤;为了平衡图像的整体亮度不均匀,在传统的C-V模型中引入轮廓曲线内、外部区域之间的亮度差项,提高了分割准确性。在数值实现上,采用无条件稳定的半隐差分格式,适当加大步长,加速曲线演化过程,相比于有限差分格式和AOS格式,分割速度明显提高。实验结果表明,本文提出的算法能够准确地分割背景不均匀的Mura缺陷图像,并且分割速度快。

基于机器视觉的液晶屏Mura缺陷检测方法

通过分析液晶屏中缺陷检测的必要性和人工检测的不足,研究一种基于机器视觉的液晶屏Mura缺陷在线检测系统。针对液晶屏中的Mura缺陷区域和周围背景对比度低、边缘模糊、形状各异、整体亮度不均等特点,建立模拟人工检测的成像系统。提出单帧图像背景建模和背景差分方法,该方法能有效解决液晶屏的亮度不均问题,同时增强Mura缺陷的特征信息。然后基于最大稳定极值区域(Maximally Stable Extremal Region,MSER),提出Mura缺陷自适应阈值缺陷分割方法,建立一个全自动缺陷在线检测的视觉系统。实验结果表明,所提检测算法能很好地解决液晶屏亮度不均的问题,准确地对Mura缺陷进行分割定位,算法的鲁棒性好。并且该系统人工干预少,效率高,能实现在线自动检测。

MATLAB在TFT-LCD屏显示MURA缺陷检测的应用

提出一种以MATLAB为主要工具的TFT-LCD屏显示缺陷检测方案,该方案根据CMOS工业摄像机采集到的数字图像,结合二维图像拟合技术和以韦伯定律为原理的自动阈值获取技术,使用MATLAB作为数字图像分析工具实现对屏幕缺陷的检测。介绍了该方案的硬件组成和检测原理,给出了MATLAB算法流程和部分代码、介绍了GUI检测界面的设计和详细的检测步骤及结果,为TFT-LCD液晶屏显示缺陷的检测提供了一种快速有效的方法。

TFT-LCD横向线状未确认Mura分析及改善研究

研究了产品开发过程中新出现的一种原因未知的横向线状Mura问题。通过分析和改善研究表明,Gate Fan-out区域栅极线金属交替布线设计中不同金属层线电阻差异是导致横向线状未确认Mura发生的主要原因;通过变更栅极线金属层厚度及材料,以降低整体电阻和不同金属层线电阻差异可以解决此种不良现象;并通过试验论证此方法的量产可行性。

TFT-LCD Mura缺陷机器视觉检测方法

针对液晶显示器(Liquid crystal display,LCD)制程中Mura缺陷检测的重要性和人工检测的弊端,研究TFT-LCD Mura缺陷的机器视觉自动检测方法。基于国际半导体设备与材料组织(Semiconductor Equipment and Materials International,SEMI)标准中Mura缺陷的测量规范和LCD视觉检测试验平台,针对Mura缺陷边缘模糊、对比度低、图像中存在重复纹理背景和整体的亮度不均匀等特点,分别研究基于实值Gabor小波滤波的纹理背景抑制方法、基于同态变换和独立分量分析的亮度不均匀校正方法、基于主动轮廓模型和水平集方法的缺陷分割以及基于SEMI标准的缺陷量化方法,综合几个方面的研究,建立Mura缺陷自动检测流程。检测试验证明,所提出方法能较好地抑制纹理背景、校正背景亮度不均匀和莫尔条纹,准确的分割缺陷并进行量化评定。该方法适用于Mura缺陷的自动检测,检测方法与人的视觉特性相似,具有较好的鲁棒性。对于50个带有Mura缺陷的LCD样本,有48个样本被成功检测。

未确认Mura分析及改善对策

未确认Mura是一种能够影响TFT-LCD画面品质的不良。文章对未确认Mura不良进行了详细的分析,认为扇形区域出现有源层残留是导致未确认Mura不良发生的原因,介绍了一种通过变更曝光工艺条件来解决此种不良的方法,并通过试验论证了此方法的量产可行性。

液晶量对Touch Mura的影响

Touch Mura会影响液晶显示器侧视时的视觉效果,因此其检测也很严格。讨论了液晶量对Touch Mura的影响。实验结果表明,拍击位移量与Touch Mura严重程度有直接联系。随着液晶量增加,拍击位移量会变小,同时Touch Mura现象也会减轻直至消失。另外,不同人拍击或者拍击液晶面板位置为左侧或右侧,对拍击位移量随液晶量的变化趋势没有明显影响。

基于重压法的Touch Mura形变过程模拟

拍击位移量是液晶面板出现Touch Mura的根本原因,但因为玻璃基板的形变能够迅速回复,瞬时位移量难以检测。文章通过重压法模拟了拍击位移过程,发现随着液晶量的增加,最大位移量也增加,但同时回复能力大大增强,使得最终位移量反而变小。

基于双线性插值最值滤波的Mura改善方法

为改善液晶面板的Mura缺陷,提出了一种灰度补偿校正Mura缺陷的方法.针对典型灰度级的亮度分布矩阵,采用双线性插值最值滤波法进行图像滤波,计算全屏目标亮度,根据各像素点拟合出的亮度-灰度关系曲线,得到各灰度级的补偿数据.实验结果表明,经过Mura补偿,55英寸的液晶模组上显示灰度图像的Mura条纹消失,Mura指数降低,且补偿并未对屏幕总体亮度和对比度等造成明显改变.

基于MURA编码孔成像测量Pu部件对称性的数值模拟分析

通过分析MURA编码孔成像技术的原理,实现了MLEM重建算法的源物体图像重建。使用数值模拟方法,分析了413keV单能γ面源的MURA编码板成像全过程,通过对比分析重建源物体分布与实际源物体分布,验证了重建算法及程序的正确性。并通过MNCP程序模拟假想的Pu部件模型,在编码孔成像过程中,像平面上射线投影强度分布、直接重建及简单扣本底重建源物体分布,从而论证了MURA编码孔成像测量Pu部件对称性的可行性。数值模拟结果表明,编码孔成像测量Pu部件对称性与小孔成像相比,在保护敏感信息和提高射线利用效率方面,具备一定的优势。

MURA编码辐射成像系统的解码方法

近年来,随着核辐射成像技术的发展及应用的需求,核辐射成像设备在高灵敏度、高分辨率、高信噪比以及携带方便等方面受到越来越多的关注,编码孔径准直器代替传统的平行孔和针孔准直器顺应了这种发展趋势,成为核辐射成像领域的研究热点。本文主要介绍一种新型便携式辐射成像探测系统中修正均匀冗余阵列(Modified Uniformly Redundant Arrays,MURA)编码孔径准直器的成像方法,研究其解码过程、校正方法和解码矩阵的算法:δ解码算法和精细采样平衡解码算法。在MATLAB环境下对两种解码算法进行了对比仿真,并对单个放射源与多个放射源情况分别进行了图像重建实验。实验结果表明,精细采样算法要比δ解码算法更能使成像系统对单源或多源进行清晰成像。

TFT-LCD Touch Mura不良的研究和改善

Touch Mura在整个TFT-LCD制作流程中非常容易发生,并且严重影响产品性能。文章主要研究了液晶量、Sub PS设计、PS段差设计及工艺参数Total pitch对Touch Mura的影响。实验结果表明液晶量的增加能够补偿敲击偏移,减轻Touch Mura不良;Sub PS的Z字形设计由于阻挡效应能够有效减轻Touch Mura;Main PS和Sub PS的段差越大,Touch Mura margin越小;工艺参数Total Pitch越接近设计值,Touch Mura风险越小。所以在设计过程中优化液晶量和Main-Sub PS段差设计及Sub PS设计能够有效减低Touch Mura风险,此外,生产过程中对工艺参数Total pitch的管控也至关重要。

灰度与亮度拟合对LCD面板Mura改善的影响

选择有限的采样灰度级准确拟合出整个灰度区间的亮度和灰度关系,是影响LCD面板Mura改善效果、实时性和成本的关键因素。通过迭代方法优化采样灰度级,并采用分段伽马拟合方法研究了采样灰度级对Mura改善的影响。针对1 920×1 080的55inTFT-LCD模组,6个采样灰度级的优化使拟合亮度曲线与实际亮度曲线的相对误差之和在0～255灰度级从5.64降到3.68,4个采样灰度级的优化使相对误差之和从29.27降到8.98。通过对6个和4个优化采样灰度级的实验结果比较和分析,结果表明,4个优化采样灰度级可以在Mura改善效果、实时性及成本三者之间达到较好的平衡。