基于卷积神经网络的TFT-LCD引脚导电性能检测

针对导电粒子粘连严重影响TFT-LCD引脚质量检测精度问题,提出融入K均值聚类特征选择的卷积神经网络引脚导电性能二分类图像检测方法。基于引脚附着粒子数量合格与否的判别标准,建立引脚图像检测的合格与不合格二分类模型。根据监督学习机理,构建包含2 000张引脚图像的数据集。为了提高检测精度,针对不同引脚图像中导电粒子与背景之间灰度阈值存在差异的特点,提出融入K均值聚类特征选择的卷积神经网络引脚图像粒子数量分类算法。进一步应用10折交叉验证法对算法的有效性进行了评估,检测正确率达到96.0%,比极大类间方差法提高了8%,比分水岭法提高了5.5%。

液晶屏线路中粘连导电粒子图像分割算法

异方性导电胶膜中的导电粒子在液晶屏热压合后会出现粘连问题,影响液晶屏线路检测的准确性。为了准确检测导电粒子的数量,提出了融入形态学的动态阈值分割算法。图像中的粒子区域由阳刻部分和阴刻部分组成,现有的阈值分割算法和形态学分割算法并不能有效分割粒子图像。因此,引入动态阈值分割图像,以导电粒子阳刻部分和阴刻部分的灰度特征、形态学的几何特征和统计特征为判据获取最佳分割阈值,分割粘连导电粒子图像。应用液晶屏线路图像对算法进行验证,结果表明:所提出的算法可以有效分割液晶屏线路图像中的粘连导电粒子,其分割准确率92%以上。算法对液晶屏线路中的粘连导电粒子有着较高的分割率,使导电粒子计数更加准确。