目前國內的顯示平板產能已達到全球第一,但國內對產線所需的大尺寸平板缺陷檢測高端設備,尤其是帶有缺陷分類識別功能的復檢系統(tǒng)的開發(fā)上相對滯后,仍處于國外技術壟斷狀態(tài),且對于缺陷種類以人工判別為主,因此國內對于用于微缺陷識別分類的復檢系統(tǒng)有迫切需求。而目前公布的文獻顯示對缺陷分類的研究主要圍繞周期性背景紋理下,根據(jù)缺陷形狀等信息進行點狀缺陷、線狀缺陷分類或根據(jù)缺陷的位置以及缺陷的大小進行致命缺陷和非致命缺陷的分類,無法實現(xiàn)所需的復檢系統(tǒng)對微缺陷的缺陷種類的識別功能。因此本課題針對大尺寸平板缺陷種類識別這一問題,研究用于微缺陷自動識別分類的復檢系統(tǒng)。設計復檢硬件系統(tǒng),研究非周期性背景紋理下的缺陷識別分類算法,并進行準確率分析。本課題主要的研究內容如下:（1）設計復檢模塊的光學系統(tǒng)及機械結構,根據(jù)復檢系統(tǒng)的需求分析,通過對系統(tǒng)中成像、照明、對焦模塊的可行方式進行優(yōu)劣分析,最終確定采用無限遠顯微成像系統(tǒng),照明方式采用臨界同軸照明,對焦方式采用激光位移傳感器進行測距對焦,并完成模塊中所需器件的選型,最后根據(jù)所選器件設計器件間連接的機械結構。（2）提出采用基于奇異值分解重構方法與基于孔洞特征檢測方法結... 

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

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

Array階段工序實際大尺寸平板生產過程中，缺陷是普遍存在的，并非有缺陷的大尺寸平

慕鲇邪鹵??競頭ㄊ猶毓?荊?飧?幌勻畢葜擲嗍侗鴯δ艿母?價值。1.2.2大尺寸平板缺陷分割技術研究現(xiàn)狀在進行大尺寸平板缺陷種類識別的研究中，對采集的缺陷圖像的進行缺陷分割是缺陷種類識別的基礎與前提。因為針對平板這一特殊檢測對象，缺陷圖像往往具有復雜的背景紋理，如圖1-2所示的Array階段缺陷圖像，缺陷本身信息量遠小于背景紋理，因此進行缺陷圖像分割可以有效減少缺陷種類識別過程的運算量，排除缺陷背景紋理對識別準確率的干擾。而目前缺陷圖像的分割技術根據(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檢測圖像（1）在頻域中進行圖像分割是基于圖像頻域的幅值相位信息實現(xiàn)對缺陷與背景的分割。2005年臺灣元智大學的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，分割過程如圖1-3所示，進一步應用小波分解去除濾波后圖像中的

哈爾濱工業(yè)大學工程碩士學位論文-4-不均勻光照，實現(xiàn)對缺陷的分割檢測。2013年LuciaBissi和GiuseppeBaruffa等人使用Gabor濾波的方式實現(xiàn)對于缺陷紋理的提取[12]。2017年北京信息科技大學的溫招洋等人采用結合頻域的離散余弦變換(DCT)以及空域的最大類間差法(OSTU)實現(xiàn)了對LCD屏上的點狀、線狀、塊狀缺陷率為92%的提取[13]。2019年合肥工業(yè)大學的紀超同樣應用DCT實現(xiàn)LCD上的Mura缺陷進行提取，面對Mura區(qū)域能量在DCT過程中的泄漏導致俄“十字紋路噪聲”，通過統(tǒng)計分析DCT系數(shù)轉折點，并將其作為重構截止頻率，實現(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，無法對非周期背景進行缺陷分割。（2）在空間域進行圖像分割是基于圖像的灰度值（或RGB）閾值、邊緣輪廓信息等內容實現(xiàn)對于缺陷與背景的分割。2008年LG公司的SeongHoonKim等學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，實現(xiàn)對直接閾值分割法的改進，降低了液晶屏背景不均勻性和梯度差異的影響，效果對比如圖1-4所示。其次引入遞歸計算簡化平均圖像的計算迭代過程，將計算時間由8410ms縮短為50ms，提高了方法的實用性。圖1-4直接閾值分割與平均濾波法的效果對比圖


本文編號：2959585