基于液晶显示器缺陷的检测技术

一.缺陷由来

薄膜显晶体管液晶显示器（TFT-LCD）具有高分辨率和功耗低等优点，因此被广泛应用于显示器行业。但是显示屏的生产过程流程多、环境等因素，难以避免会出现缺陷显示屏，导致产品不良率较高。TFT-LCD显示屏的制作包括镀膜、刻蚀、显影、面板组合、灌晶封口和安装驱动芯片等工艺，复杂的工序导致缺陷的出现，常见的缺陷包括点缺陷，线缺陷和Mura缺陷。

“Mura”一词来源于日语，译为斑点、脏污，也被成为“云斑”，是显示缺陷中最难检测的缺陷之一。传统的Mura检测方法是通过人工视觉检查的方式实现的，主要采用裸眼辨别的方法。此方法效率低下，并且容易造成视觉疲劳，从而导致结果正确率降低。

因此，迫切要求研究基于机器视觉的自动Mura 缺陷检测技术。基本要求是机器视觉检测的结果要符合人眼的判断标准，并且检测方法要稳定、可靠，能够适应一定的其他生产线上的人工标记的干扰。

二.检测方法

近年来，许多基于计算机视觉的显示屏缺陷检测系统不断涌现，如国外的SD Optics等公司，以及国内的润华光电、凌云光子、优纳智能检测等公司。各厂商利用的显示屏缺陷检测算法基本上都是比较传统的视觉方法。

1，对缺陷重复纹理背景和整体的亮度不均匀等特点，有利用Gabor小波滤波的纹理背景抑制以及基于主动轮廓模型的缺陷分割方法，建立缺陷自动检测流程。

2，一种新型三维空间图像可见度的评估工具:空间标准观测仪(SSO)。这类方法将被测试图像与参考图像的差值用对比敏感度函数(CSF) 滤波,用非线性函数整合。

3，基于BP神经网络的均值差分的检测方法，利用均值滤波和背景差分方式进行背景杂波的抑制，有监督地训练BP网络，从而达到检测的目的。

4，利用局部和全局的特征，并利用SVM(SupportVectorMachine）进行分类的缺陷检测方法。

但是随着TFT-LCD生产工艺不断进步，检测要求随之提高，检测精度要求也在不断增加，对算法的实时性要求也大大提高。

5，随着深度学习的兴起，对于这种难以检测的缺陷，我们利用卷积神经网络（CNN）进行屏幕缺陷的检测。对于检测问题，现有的目标检测算法有很多，比如RCNN，Faster-rcnn，YOLO,SSD等等基于卷积网络的检测器，可以实现较高精度和实时性的检测。

对屏幕缺陷检测感兴趣的小伙伴可以多多关注我们的平台，下一期放上检测效果，如果有需要合作的也可以尽情联系我们！