TFT-LCD微米级显示缺陷的自动检测算法的研究.docVIP

TFT-LCD微米级显示缺陷的自动检测算法的研究 目前绝大多数的薄膜晶体管液晶显示器(TFT-LCD)缺陷检测是针对肉眼看得到的比一个像素大的大缺陷(Macro defects)，但是对于远远小于一个像素的小缺陷(Micro defects，通常是微米级的)，这些方法是无法检测的。 本文主要是研究A rray工艺后玻璃基板TFT电路上肉眼无法观测到的微米级缺陷的检测算法。通过分析TFT-LCD面板上电路的分布特点以及缺陷特征，提出了一种简单快速的适用于微米级缺陷的自动检测算法。该方法针对TFT-LCD玻璃面板的缺陷特征，使用TDI-CCD ( Time Delay and Integration-Charge Coupled Devices)采集待检测图像，采用动态阈值技术，使用改进的差影法快速检测TFT-LCD玻璃基板上的缺陷。 1 TFT-LCD面板缺陷特征分析 虽然TFT-LCD玻璃基板的大部分生产过程都是在无尘室里完成的，但仍不可避免地出现一些微小的缺陷。造成这种缺陷的主要因素包括电气因素和非电气因素。例如，在装配过程中，落在驱动芯片焊接面上的灰尘或异物，TFT的信号电极、扫描电极的短路或断路等.根据缺陷的形状和面积，可以分为点缺陷、线缺陷及面缺陷(块缺陷。可根据缺陷位置像素比背景亮还是暗，分为亮点缺陷和暗点缺陷。虽然TFT-LCD玻璃基板上的这种微米级缺陷是肉眼无法观测到的，但因每个像素的RGB分量分别是由一个TFT控制开关来控制的，而某些缺陷点会造成一个TFT控制开关失灵，因此，会导致相关像素的显示异常。 2 基于差影法的缺陷检测算法 缺陷的基本特征是其与背景的灰度值不同。差影法本质上就是图像的相减运算(又称减影技术)，是指把相似景物的拍摄图像或者同一景物在不同时间拍摄的图像相减。图像的相减运算是指对两幅输入图像进行点对点的减法而得到输出图像的运算。 有了采集图像与模板图像的差影后，只要得到固定T就可以做缺陷检测。但在实际的TFT-LCD缺陷检测中，TFT-LCD玻璃基板上的金属线部分与其他部分因反光率不同而受环境变化的影响也不同，所以使用固定阈值T会出现漏检或错检。 本文提出一种动态阈值方法。在不同的灰度值的地方，选择不同大小的阈值，在相应灰度值位置，若灰度差落在曲线围成的区域内，则不认为该点是缺陷。 3 缺陷检测的基本流程和方法 本文采用的缺陷检测方法对Pad区而言，需要根据该帧图像的位置在模板上找到其对应的区域。 3. 1图像采集及预处理 为了使缺陷检测达到指定的精度要求，使用TDI-CCD作为图像采集设备。TDI是一种扫描方式，它能增加线扫描的传感器灵敏度。 由于采集到的图像中可能含有噪声，因此需先进行图像去噪预处理。首先，采集图像时，让摄像头在同一位置多次采像，然后采用多图像平均法和中值滤波法去除噪声。 3. 2基于局部图像模板匹配的图像配准 由于检测设备气浮平台上的定位装置总会有一些小的机械误差，所以，按上述方法采集得到的图像与模板图像相同位置的内容不是绝对一致的，或者说相同内容的位置不是完全对齐的，而使用差影法的前提条件是待比较的两幅图像是完全对齐的，因此，在用差影法进行缺陷检测之前，必须通过图像配准来解决图像的对齐问题。本文提出一种基于局部图像模板匹配的图像配准方法。 1）采用归一化交叉相关算法（noun alized cross correlation，简称NCC）进行局部图像模板匹配，从而找到两幅图像在水平和垂直方向错位的偏移量（精确到亚像素级）； 2）根据水平和垂直方向的偏移量，进行图像坐标变换和灰度插值，实现两幅图像在亚像素级上的精确配准。 3. 3 Array区和Pad区的缺陷检测 通过图像配准，得到了包含相同内容且内容位置精确对齐的模板图像与原始图像。 在理想情况下，即没有缺陷存在的情况下，采集到的图像与模板图像是一样的，即IA-BI应该是灰度值全为0的差影图像，反之，若有缺陷存在，假设在A中的（x，y）像素处存在一个缺陷，则在差影图像IA-BI的相应位置处也必然存在一个缺陷，犹如黑屏上的“白斑”一样。根据上述原理，可以用差影图像IA-BI找到A上的缺陷。 在实际的检测过程中，由于环境光的微小变化以及TDI光源不均衡等原因，会造成采集得