【摘要】：隨著信息顯示技術(shù)的不斷發(fā)展,越來越多的顯示屏制造廠商開始投入資金批量生產(chǎn)OLED顯示屏。為了防止不理想的OLED產(chǎn)品流入市場(chǎng),需要檢測(cè)OLED顯示屏面板上是否存在缺陷。目前,專業(yè)質(zhì)檢人員的人眼檢測(cè)為主要的缺陷檢測(cè)模式。這種模式需要較高的人力成本,而且不同的質(zhì)檢人員針對(duì)同一面板的檢測(cè)結(jié)果常常不一致。為了滿足工廠大規(guī)模生產(chǎn)的需求,研究出相應(yīng)的自動(dòng)缺陷檢測(cè)算法,讓機(jī)器視覺代替人眼檢測(cè)已成為一個(gè)緊迫的任務(wù)。OLED顯示屏在制作過程中主要會(huì)存在點(diǎn)缺陷、線缺陷和面缺陷(Mura缺陷)這三類缺陷。本文根據(jù)三類缺陷的各自不同特點(diǎn),分別提出了各類缺陷的檢測(cè)和分類方法,改進(jìn)了相關(guān)的已有算法。本文主要的研究?jī)?nèi)容及貢獻(xiàn)如下:(1)基于面板圖像自身的周期性,提出了一種鄰域差分算法。該算法能夠有效地抑制背景紋理的干擾并提取出點(diǎn)類缺陷。該方法有效地解決了已有算法對(duì)小缺陷不敏感而產(chǎn)生的漏檢問題。(2)在鄰域差分算法的基礎(chǔ)上進(jìn)一步提出了一種投影線的方法。該方法能夠準(zhǔn)確地提取線類缺陷,有效地改進(jìn)了已有算法的檢測(cè)精度。(3)提出了基于缺陷增強(qiáng)及曲面擬合的背景重構(gòu)方法,可以重構(gòu)得到“無缺陷”的背景圖像。通過計(jì)算背景圖像與增強(qiáng)后圖像的殘差以及根據(jù)殘差是否滿足Mura缺陷的定量化特征,從中篩選出真正的缺陷。該算法可以在背景不均勻的情況下提取出微弱的Mura缺陷,并達(dá)到較高的準(zhǔn)確率。(4)設(shè)計(jì)了基于遷移學(xué)習(xí)的分類方法對(duì)Mura缺陷進(jìn)行分類。該方法可以用較少的訓(xùn)練樣本完成模型的建立。實(shí)驗(yàn)表明該方法的準(zhǔn)確率較高,可以應(yīng)用于實(shí)際的工業(yè)生產(chǎn)。本文的方法已經(jīng)在試驗(yàn)中被大量實(shí)際數(shù)據(jù)所驗(yàn)證,展示了很好的效果。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN873.93;TP391.41
【圖文】：

反應(yīng)速度 微秒級(jí)別 毫秒級(jí)別視角 180 度 160 度，有色偏問題耗電性 低 高（背光固定開啟）色域 70-100% 56-95%操作溫度 -40-100℃ -30-80℃厚度/重量 mm/輕 cm/重壽命 5000-30000 小時(shí) >5000 小時(shí)所以 OLED 顯示屏在不久的將來，有望替代現(xiàn)有 TFT-LCD 顯示屏，成為最主流的顯示產(chǎn)品。根據(jù)智研咨詢發(fā)布的《2017-2022 年中國(guó) OLED 行業(yè)深度調(diào)研及發(fā)展趨勢(shì)研究報(bào)告》顯示，2015 年我國(guó) OLED 市場(chǎng)約為 400 億，預(yù)計(jì)在 2020年的時(shí)候增長(zhǎng)至 990 億左右，年均增速可達(dá) 20%。

圖 1-2 OLED 面板出貨量走勢(shì)Fig.1-2 The trend of OLED panel shipment雖然 OLED 有很多的優(yōu)點(diǎn)，但是在實(shí)際量產(chǎn)上面卻有著很多的困難，最大的問題在于良率不高。根據(jù)資料《2017 全球 OLED 產(chǎn)業(yè)研究報(bào)告》顯示，目前TFT-LCD 顯示屏的良率可達(dá) 90％以上，而剛性 OLED 顯示屏的良率一般在 80左右，柔性 OLED 顯示屏的良率則更低，只有 60％左右。造成良率不高的原因可分成氧化銦（In2O3）面板的“Array 制程”、“有機(jī)膜形成”以及“封裝技術(shù)的缺陷。學(xué)術(shù)界針對(duì)這些技術(shù)領(lǐng)域在不斷進(jìn)行研究，希望針對(duì)工業(yè)界量產(chǎn)問題提出有效的改善方案，但是，目前業(yè)界對(duì)于檢測(cè) OLED 缺陷并未提出一套有效的標(biāo)準(zhǔn)，所以如果能夠從實(shí)際的 OLED 成品中執(zhí)行檢測(cè)，并因此分析出可能產(chǎn)生缺陷的制作過程，這無疑可以有效地改善 OLED 的制作過程，同時(shí)也能夠保證出貨產(chǎn)品的質(zhì)量。1.2 研究目的

圖 1-3 (a)點(diǎn)缺陷樣圖 (b)線缺陷樣圖 (c)面缺陷樣圖Fig.1-3 (a)Point defect sample (b)Line defect sample (c)Surface defect sample在 OLED 缺陷的檢測(cè)中，Mura 缺陷的檢測(cè)是設(shè)計(jì)上的難點(diǎn)。因?yàn)?Mura 很統(tǒng)一的標(biāo)準(zhǔn)，通過不同的人檢測(cè)判斷可能給出的檢測(cè)結(jié)果不同。Mura 缺陷質(zhì)是面板上低對(duì)比度的亮度不均一的區(qū)域。Mura 檢測(cè)的核心思想就是將低度區(qū)域分割出來并進(jìn)行定量化，進(jìn)而對(duì)比判定該區(qū)域是否存在缺陷�，F(xiàn)階段多種 Mura 缺陷自動(dòng)檢測(cè)算法被提出。Xin Bi 等人[16]提出了一種使用水平集行圖像分割的方法來檢測(cè)缺陷；盧小鵬等人[17]改進(jìn)了 Chan-Vese 模型來實(shí)現(xiàn)ura 缺陷的快速分割；Yu-Bin Yang 等人[18]使用奇異值分解和離散余弦變換構(gòu)背景圖像，計(jì)算出差異圖后再檢出缺陷；Xin Bi 等人[19]利用實(shí) Gabor 濾波增強(qiáng) Mura 缺陷；Hao-Chiang Shao[20]提出了一種從低對(duì)比度圖像中去除相對(duì)成分的算法來減少對(duì)圖像增強(qiáng)的干擾；Du-Ming Tsai 等人[21]把要檢測(cè)的圖像些基本圖像的線性組合去表示，而其系數(shù)就可以反映出 Mura 缺陷，在此基[22]

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 彭騫;陳凱;沈亞非;王銳;唐浩林;;有機(jī)電激光顯示器件缺陷檢測(cè)進(jìn)展[J];廣東科技;2015年18期

2 李坤;李輝;劉云杰;梁平;盧小鵬;;LCD Mura缺陷的B樣條曲面擬合背景抑制[J];光電工程;2014年02期

3 盧小鵬;李輝;劉云杰;梁平;李坤;;基于Chan-Vese模型的TFT-LCD Mura缺陷快速分割算法[J];液晶與顯示;2014年01期

4 朱光;朱學(xué)芳;張華坤;;復(fù)雜背景下TFT-LCD表面缺陷檢測(cè)系統(tǒng)的設(shè)計(jì)[J];電子測(cè)量與儀器學(xué)報(bào);2011年12期

5 王輝;李生華;;基于EMD的語音特征信息提取[J];計(jì)算機(jī)科學(xué);2011年S1期

6 馮小波;賀臻;施旭;;機(jī)器視覺在TFT-LCD點(diǎn)缺陷檢測(cè)系統(tǒng)中的應(yīng)用[J];現(xiàn)代顯示;2011年09期

7 牛杰;劉永祥;秦玉亮;姜衛(wèi)東;黎湘;;一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的錐體目標(biāo)雷達(dá)微動(dòng)特征提取新方法[J];電子學(xué)報(bào);2011年07期

8 萬建;任龍濤;趙春暉;;二維EMD應(yīng)用在圖像邊緣特征提取中的仿真研究[J];系統(tǒng)仿真學(xué)報(bào);2009年03期

9 蘇小紅;何志廣;馬培軍;;TFT-LCD微米級(jí)顯示缺陷的自動(dòng)檢測(cè)算法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2008年11期

10 張昱;張健;;基于多項(xiàng)式曲面擬合的TFT-LCD斑痕缺陷自動(dòng)檢測(cè)技術(shù)[J];光電工程;2006年10期

本文編號(hào)：2752810