液晶顯示屏生產(chǎn)過程中不可避免存在缺陷,需要檢測以確保質(zhì)量。人工檢測工作量大、準(zhǔn)確率低、迫切需要一種高效而準(zhǔn)確的自動化檢測方法。為此,提出了一種新的參數(shù)自適應(yīng)的缺陷檢測框架,主要包括提取屏幕區(qū)域、預(yù)處理、閾值分割、缺陷選擇。通過參數(shù)的自適應(yīng)調(diào)整,使檢測方法適應(yīng)各種復(fù)雜的情況。在閾值分割時,針對光照影響的問題,采用自適應(yīng)調(diào)整閾值參數(shù)的方式分割缺陷區(qū)域。首先計算圖像的最大灰度值,然后根據(jù)無缺陷圖像確定固定參數(shù),缺陷圖像確定系數(shù),最后在固定參數(shù)和最大灰度值與系數(shù)之積中選擇最大值作為閾值分割的最小閾值。在檢測飽和度缺陷時,針對低分辨率相機拍攝的圖像明暗差異小的問題,采用自適應(yīng)調(diào)整曝光參數(shù)采集圖像分別處理明暗程度差異大的不同圖像部分。實驗表明,該方法能高效準(zhǔn)確地檢測點類、線類、Mura和飽和度缺陷。 

【文章來源】：哈爾濱理工大學(xué)學(xué)報. 2020,25(05)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

缺陷類型

提取屏幕區(qū)域是屏幕檢測的首要任務(wù)。因為在相機采集圖像時,可能會采集到除屏幕外的多余區(qū)域,如屏幕邊框,電源鍵等,影響算法檢測缺陷,所以需要從采集的圖像中提取出屏幕區(qū)域。另外提取出屏幕區(qū)域,能夠縮小算法檢測范圍,提高檢測效率。本算法首先采用閾值分割方法選擇區(qū)域,然后利用區(qū)域面積的差異選擇出屏幕區(qū)域,獲取該區(qū)域的輪廓,再利用加權(quán)最小二乘法擬合矩形,即可獲取屏幕矩形區(qū)域,最后在原圖上提取屏幕圖像SROI(screen region of interest,SROI),如圖2所示。2.2 預(yù)處理

其中x=0,1,…,M-1,y=0,1,…,N-1。通過快速傅里葉變換,高斯差分濾波DOG作卷積操作得到圖像ImageConvolA,反傅里葉變換ImageConvolA后缺陷凸顯出來,再利用矩形灰度范圍增強缺陷,即用一個矩形結(jié)構(gòu)元素在圖像中滑動,新的灰度值等于矩形中輸入圖像最大灰度值和最小灰度值差值,增強孤立點或團狀缺陷。如圖3所示是無缺陷和各類缺陷的原圖、濾波處理后和缺陷增強后的結(jié)果。2.2.2 邊緣提取

【參考文獻】：
期刊論文
[1]基于機器視覺的手機屏幕缺陷檢測系統(tǒng)研究[J]. 彭趕,張平,潘奕創(chuàng).  自動化技術(shù)與應(yīng)用. 2018(09)
[2]基于圖像處理的手機屏幕缺陷檢測系統(tǒng)研究[J]. 高如新,任曉朵,吳獻,魏愛權(quán).  測控技術(shù). 2017(04)
[3]基于形態(tài)學(xué)玻璃屏幕表面劃痕檢測方法研究[J]. 趙文宏,彭超,陳紅星.  浙江工業(yè)大學(xué)學(xué)報. 2016(03)
[4]基于二維DFT的TFT-LCD平板表面缺陷檢測[J]. 張騰達(dá),盧榮勝,張書真.  光電工程. 2016(03)
[5]TFT-LCD表面缺陷檢測方法綜述[J]. 簡川霞.  電視技術(shù). 2015(09)
[6]一種基于像素點TFT-LCD的點線缺陷的檢測方法[J]. 張佳.  科技創(chuàng)業(yè)月刊. 2014(11)
[7]TFT-LCD缺陷檢測系統(tǒng)的研究[J]. 王新新,徐江偉,鄒偉金,劉永豐,王秀麗.  電子測量與儀器學(xué)報. 2014(03)
[8]基于多項式曲面擬合的TFT-LCD斑痕缺陷自動檢測技術(shù)[J]. 張昱,張健.  光電工程. 2006(10)

碩士論文
[1]基于機器視覺的液晶屏缺陷檢測[D]. 朱恒川.電子科技大學(xué) 2018
[2]TFT-LCD點線缺陷檢測圖像處理算法研究[D]. 閆真真.合肥工業(yè)大學(xué) 2017
[3]基于小型TFT-LCD點缺陷檢測系統(tǒng)的研究[D]. 周波波.中南林業(yè)科技大學(xué) 2016
[4]基于圖像背景重構(gòu)和水平集的TFT-LCD缺陷檢測算法研究與應(yīng)用[D]. 陳廉政.華中科技大學(xué) 2016
[5]TFT-LCD缺陷檢測系統(tǒng)中的圖像處理[D]. 李傳樂.吉林大學(xué) 2016
[6]TFT-LCD顯示屏Mura缺陷自動光學(xué)檢測算法研究[D]. 李強國.電子科技大學(xué) 2013



本文編號：3320327