本文關(guān)鍵詞：基于多特征融合的LCD微小瑕疵自動分類，，由筆耕文化傳播整理發(fā)布。

【摘要】：薄膜場效應(yīng)晶體管液晶顯示器(以下簡寫為TFT-LCD),因其出色的色彩表現(xiàn)力,超低的能耗,和輕薄的特性,在顯示設(shè)備的領(lǐng)域已經(jīng)逐漸有一統(tǒng)江湖的勢頭。在LCD大批量生產(chǎn)的過程中,精確的質(zhì)量把控是產(chǎn)線不間斷工作的保證,這種質(zhì)量監(jiān)控主要依賴于對產(chǎn)線上每一階段的半成品的實(shí)時分析。TFT-LCD的工藝流程中最容易產(chǎn)生瑕疵的流程是陣列(Array)制程,這個制程包含了復(fù)雜的工藝,生成精細(xì)的模塊。一張顯示屏往往集成了數(shù)以億計(jì)的的晶體管,它們會排列成周期陣列。根據(jù)制作工藝的不同,在這個制程中會疊加4到7層工藝,這些層都將疊加式的制作于一塊玻璃薄板上。在陣列制程產(chǎn)生的產(chǎn)品缺陷。如果不能及時發(fā)現(xiàn),及時解決,在接下來的制程中都將造成不可挽回的損失。陣列的工藝主要由三個基本操作實(shí)現(xiàn):分別是鍍膜、光刻和刻蝕。這三個工序都可能產(chǎn)生不同類型的工藝上的瑕疵。這些瑕疵根據(jù)它們的成因可以分為很多類。在LCD生產(chǎn)的生產(chǎn)中,及時的發(fā)現(xiàn)并且識別出它們的類別,對于發(fā)現(xiàn)生成工序的缺陷,改善生成工藝,提高生產(chǎn)質(zhì)量都至關(guān)重要。在以往的檢測中,人工檢測一直扮演著重要的角色,在Array制程之后,需要大量的檢測人員對生產(chǎn)出的基板作詳細(xì)的甄別,用肉眼找出可能的瑕疵,并通過大量的經(jīng)驗(yàn)判斷瑕疵的類別,這項(xiàng)工作不但極其繁重,而且由于人的判斷差異,會出現(xiàn)大量的誤判。在這篇文章中,我們詳細(xì)闡述了如何通過機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺的方法解決在液晶面板的生產(chǎn)中對半成品檢測的工作。我們首先探索了挖掘瑕疵不同方面特征的描述子,并對幾個描述子給出了更加合理實(shí)現(xiàn),提出了一種更為適合液晶瑕疵特征的編碼過程,并基于先進(jìn)的特征融合的方法構(gòu)造多特征分類器,使不同類型的描述能夠協(xié)同的工作。最后我們給出了算法在工程實(shí)現(xiàn)中的技術(shù)細(xì)節(jié),包括并行化和線性計(jì)算的優(yōu)化,這些技術(shù)優(yōu)化使得算法可以在大數(shù)據(jù)面前保持從容。
【關(guān)鍵詞】：模式識別 TFT-LCD瑕疵 多特征 空間權(quán)值 并行化
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN873.93
【目錄】：

• 摘要4-6
• ABSTRACT6-13
• 主要符號對照表13-14
• 第一章 緒論14-20
• 1.1 研究背景14-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-17
• 1.3 研究目標(biāo)17-18
• 1.4 章節(jié)安排18-20
• 第二章 基于特征統(tǒng)計(jì)的圖像描述子20-30
• 2.1 模糊局部二值特征20-24
• 2.1.1 特征原理20-23
• 2.1.2 實(shí)驗(yàn)結(jié)果及分析23-24
• 2.2 金字塔梯度直方圖24-27
• 2.2.1 特征原理24
• 2.2.2 方向梯度直方圖24-26
• 2.2.3 空間層疊金字塔26-27
• 2.2.4 實(shí)驗(yàn)結(jié)果及分析27
• 2.3 本章小結(jié)27-30
• 第三章 基于硬編碼方式的圖像描述子30-40
• 3.1 對手顏色空間編碼30-35
• 3.1.1 CIELAB顏色空間31-33
• 3.1.2 對手顏色空間的模型與推導(dǎo)33-34
• 3.1.3 對手顏色空間的編碼方式34-35
• 3.2 聚類解決顏色空間的劃分問題35-37
• 3.3 用硬編碼對新顏色空間編碼37-38
• 3.4 實(shí)驗(yàn)效果與分析38-39
• 3.5 本章小結(jié)39-40
• 第四章 基于軟編碼方式的圖像描述子40-50
• 4.1 稠密提取的旋轉(zhuǎn)不變描述子40-48
• 4.2 基于紋理的空間權(quán)重分配48-49
• 4.3 實(shí)驗(yàn)效果與分析49
• 4.4 本章小結(jié)49-50
• 第五章 在多個核空間內(nèi)的核融合方法50-56
• 5.1 基本分類器50-52
• 5.2 核空間的選擇52-53
• 5.3 多特征融合分類器53-54
• 5.4 實(shí)驗(yàn)效果與分析54-55
• 5.5 本章小結(jié)55-56
• 第六章 系統(tǒng)架構(gòu)56-64
• 6.1 圖像的預(yù)處理56-57
• 6.2 系統(tǒng)流程57-59
• 6.3 系統(tǒng)模塊59-60
• 6.4 技術(shù)細(xì)節(jié)60
• 6.5 實(shí)驗(yàn)效果與分析60-62
• 6.6 本章小結(jié)62-64
• 全文總結(jié)64-66
• 參考文獻(xiàn)66-70
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄70-72
• 攻讀學(xué)位期間參與的項(xiàng)目72-74

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 初紅霞;王科俊;王希鳳;郭慶昌;韓晶;;多特征融合的退火粒子濾波目標(biāo)跟蹤[J];計(jì)算機(jī)工程與應(yīng)用;2011年06期

2 顧鑫;王海濤;汪凌峰;王穎;陳如冰;潘春洪;;基于不確定性度量的多特征融合跟蹤[J];自動化學(xué)報;2011年05期

3 姚紅革;杜亞勤;;基于多模式多特征融合粒子濾波視頻目標(biāo)跟蹤[J];西安工業(yè)大學(xué)學(xué)報;2012年11期

4 王蘭;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年13期

5 陳增照;何秀玲;楊揚(yáng);董才林;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2006年09期

6 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識別算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2007年02期

7 劉貴喜;范春宇;高恩克;;基于粒子濾波與多特征融合的視頻目標(biāo)跟蹤[J];光電子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的圖像語義標(biāo)注[J];東北林業(yè)大學(xué)學(xué)報;2008年10期

9 周靜;黃心漢;彭剛;;基于多特征融合的飛機(jī)目標(biāo)識別[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2009年01期

10 沈才梁;許雪貴;許方恒;龍丹;;多特征融合的人臉檢測[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2009年11期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 葉鋒;蔡光東;鄭子華;亓?xí)孕?尹鵬;;基于多特征融合的藥用植物標(biāo)本識別[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測[A];第十七屆全國測控計(jì)量儀器儀表學(xué)術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 田綱;基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D];武漢大學(xué);2011年

2 徐志剛;基于多特征融合的路面破損圖像自動識別技術(shù)研究[D];長安大學(xué);2012年

3 陳秀新;多特征融合視頻復(fù)制檢測關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2013年

4 初紅霞;基于均值移動和粒子濾波的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標(biāo)檢索技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 計(jì)明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學(xué);2015年

3 王慶;基于多特征融合的人體動作識別方法研究[D];上海大學(xué);2015年

4 劉婕;復(fù)雜場景多特征融合粒子濾波目標(biāo)跟蹤[D];重慶理工大學(xué);2015年

5 崔劍;基于多特征融合的分級行人檢測方法研究[D];電子科技大學(xué);2015年

6 王珊珊;基于極化SAR非監(jiān)督分類的油膜厚度估算方法研究[D];大連海事大學(xué);2015年

7 肖冠;基于多特征融合的異類傳感器中段目標(biāo)關(guān)聯(lián)算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 王建榮;基于多特征融合的無人機(jī)航拍圖像識別研究[D];成都理工大學(xué);2015年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學(xué);2014年

10 坎啟嬌;基于多特征融合的多目標(biāo)跟蹤算法[D];河北工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：基于多特征融合的LCD微小瑕疵自動分類，由筆耕文化傳播整理發(fā)布。

本文編號：262621