目前國(guó)內(nèi)的顯示平板產(chǎn)能已達(dá)到全球第一,但國(guó)內(nèi)對(duì)產(chǎn)線所需的大尺寸平板缺陷檢測(cè)高端設(shè)備,尤其是帶有缺陷分類(lèi)識(shí)別功能的復(fù)檢系統(tǒng)的開(kāi)發(fā)上相對(duì)滯后,仍處于國(guó)外技術(shù)壟斷狀態(tài),且對(duì)于缺陷種類(lèi)以人工判別為主,因此國(guó)內(nèi)對(duì)于用于微缺陷識(shí)別分類(lèi)的復(fù)檢系統(tǒng)有迫切需求。而目前公布的文獻(xiàn)顯示對(duì)缺陷分類(lèi)的研究主要圍繞周期性背景紋理下,根據(jù)缺陷形狀等信息進(jìn)行點(diǎn)狀缺陷、線狀缺陷分類(lèi)或根據(jù)缺陷的位置以及缺陷的大小進(jìn)行致命缺陷和非致命缺陷的分類(lèi),無(wú)法實(shí)現(xiàn)所需的復(fù)檢系統(tǒng)對(duì)微缺陷的缺陷種類(lèi)的識(shí)別功能。因此本課題針對(duì)大尺寸平板缺陷種類(lèi)識(shí)別這一問(wèn)題,研究用于微缺陷自動(dòng)識(shí)別分類(lèi)的復(fù)檢系統(tǒng)。設(shè)計(jì)復(fù)檢硬件系統(tǒng),研究非周期性背景紋理下的缺陷識(shí)別分類(lèi)算法,并進(jìn)行準(zhǔn)確率分析。本課題主要的研究?jī)?nèi)容如下:（1）設(shè)計(jì)復(fù)檢模塊的光學(xué)系統(tǒng)及機(jī)械結(jié)構(gòu),根據(jù)復(fù)檢系統(tǒng)的需求分析,通過(guò)對(duì)系統(tǒng)中成像、照明、對(duì)焦模塊的可行方式進(jìn)行優(yōu)劣分析,最終確定采用無(wú)限遠(yuǎn)顯微成像系統(tǒng),照明方式采用臨界同軸照明,對(duì)焦方式采用激光位移傳感器進(jìn)行測(cè)距對(duì)焦,并完成模塊中所需器件的選型,最后根據(jù)所選器件設(shè)計(jì)器件間連接的機(jī)械結(jié)構(gòu)。（2）提出采用基于奇異值分解重構(gòu)方法與基于孔洞特征檢測(cè)方法結(jié)... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Array階段工序?qū)嶋H大尺寸平板生產(chǎn)過(guò)程中，缺陷是普遍存在的，并非有缺陷的大尺寸平

慕鲇邪鹵??競(jìng)頭ㄊ猶毓?荊?飧?幌勻畢葜?jǐn)S嗍侗鴯δ艿母?價(jià)值。1.2.2大尺寸平板缺陷分割技術(shù)研究現(xiàn)狀在進(jìn)行大尺寸平板缺陷種類(lèi)識(shí)別的研究中，對(duì)采集的缺陷圖像的進(jìn)行缺陷分割是缺陷種類(lèi)識(shí)別的基礎(chǔ)與前提。因?yàn)獒槍?duì)平板這一特殊檢測(cè)對(duì)象，缺陷圖像往往具有復(fù)雜的背景紋理，如圖1-2所示的Array階段缺陷圖像，缺陷本身信息量遠(yuǎn)小于背景紋理，因此進(jìn)行缺陷圖像分割可以有效減少缺陷種類(lèi)識(shí)別過(guò)程的運(yùn)算量，排除缺陷背景紋理對(duì)識(shí)別準(zhǔn)確率的干擾。而目前缺陷圖像的分割技術(shù)根據(jù)作用域可以劃分為頻域分割和空間域分割兩種。圖1-2TFT-LCD檢測(cè)圖像（1）在頻域中進(jìn)行圖像分割是基于圖像頻域的幅值相位信息實(shí)現(xiàn)對(duì)缺陷與背景的分割。2005年臺(tái)灣元智大學(xué)的D.M.TSAI和C.Y.HUNG提出基于一維的傅立葉重建算法[11]，該方法首先在一維傅里葉頻譜中去除表示TFT-LCD線圖像周期模式的頻率分量，然后利用傅里葉反變換將一維傅里葉域圖像反變換為一維空間域圖像，分割過(guò)程如圖1-3所示，進(jìn)一步應(yīng)用小波分解去除濾波后圖像中的

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-4-不均勻光照，實(shí)現(xiàn)對(duì)缺陷的分割檢測(cè)。2013年LuciaBissi和GiuseppeBaruffa等人使用Gabor濾波的方式實(shí)現(xiàn)對(duì)于缺陷紋理的提取[12]。2017年北京信息科技大學(xué)的溫招洋等人采用結(jié)合頻域的離散余弦變換(DCT)以及空域的最大類(lèi)間差法(OSTU)實(shí)現(xiàn)了對(duì)LCD屏上的點(diǎn)狀、線狀、塊狀缺陷率為92%的提取[13]。2019年合肥工業(yè)大學(xué)的紀(jì)超同樣應(yīng)用DCT實(shí)現(xiàn)LCD上的Mura缺陷進(jìn)行提取，面對(duì)Mura區(qū)域能量在DCT過(guò)程中的泄漏導(dǎo)致俄“十字紋路噪聲”，通過(guò)統(tǒng)計(jì)分析DCT系數(shù)轉(zhuǎn)折點(diǎn)，并將其作為重構(gòu)截止頻率，實(shí)現(xiàn)抑制[14]。圖1-3一維的傅立葉重建算法示意圖[11]使用頻域分割是可以獲得較好的分割效果，但是其有特定的適用范圍，無(wú)法對(duì)非周期背景進(jìn)行缺陷分割。（2）在空間域進(jìn)行圖像分割是基于圖像的灰度值（或RGB）閾值、邊緣輪廓信息等內(nèi)容實(shí)現(xiàn)對(duì)于缺陷與背景的分割。2008年LG公司的SeongHoonKim等學(xué)者提出一種基于平均值減法的高通濾波閾值分割方法[15]，該方法首先利用原始圖像與平均圖像做差獲得Mura顯著圖像，實(shí)現(xiàn)對(duì)直接閾值分割法的改進(jìn)，降低了液晶屏背景不均勻性和梯度差異的影響，效果對(duì)比如圖1-4所示。其次引入遞歸計(jì)算簡(jiǎn)化平均圖像的計(jì)算迭代過(guò)程，將計(jì)算時(shí)間由8410ms縮短為50ms，提高了方法的實(shí)用性。圖1-4直接閾值分割與平均濾波法的效果對(duì)比圖


本文編號(hào)：2959585