一种AOI检测中L0画面的缺陷分类方法及装置制造方法及图纸

本发明专利技术公开了一种AOI检测中L0画面的缺陷分类方法及装置。其过程为：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；对检测出的亮度类缺陷进行表面灰尘过滤；将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。本发明专利技术通过增加一个检测画面对缺陷进行复判，能精确的对异物亮与亮点进行分类，方法简单有效，可实施性强，有效提高了AOI检测系统的性能，具有容易实现、成本低、实用性高的特点。

A defect classification method and device for L0 picture in AOI detection

The invention discloses a defect classification method and device for the L0 picture in the AOI detection. The process is: defect detection L0 screen on the panel, determine all the defects of surface dust brightness; filtering of brightness defects detected; brightness defect detection switch to screen one by one complex sentence, when the panel defect location that is bright light foreign body defect, that is the highlight of opaque defects, the the picture is only bright backlight detection without any voltage signal screen. By adding a detection screen to defect detection, the invention can accurately classify the bright and bright spots of foreign objects. The method is simple and effective, and has strong implementation. It effectively improves the performance of AOI detection system, and has the characteristics of easy implementation, low cost and high practicability.

【技术实现步骤摘要】
一种AOI检测中L0画面的缺陷分类方法及装置
本专利技术属于面板缺陷检测
，具体涉及一种AOI检测中L0画面的缺陷分类方法、装置及计算机可读存储介质。
技术介绍
随着LCD面板检测行业的发展，厂商对于面板检测的要求越来越高，对于不同的类型的缺陷有着不同的判等降级规格。AOI(自动光学检测)设备为了能够正确的对面板进行降等输出，需要对检测到的缺陷进行精确的分类，并对分类后的缺陷按照客户的要求进行判等输出。由于AOI检测的局限性，相机只能拍摄面板的亮度(颜色)信息，而部分的缺陷，比如L0画面(为黑色，RGB的值都为0的画面)偏光板异物亮缺陷与L0画面亮点缺陷，人员在进行点灯分类的时候是通过不同角度去观察来判定的。偏光板异物亮在放大镜下，人眼如果发生移动的时候，异物亮也会移动，但是亮点却不会发生移动。由于相机无法动态的改变角度去拍摄，故而这两者在正视的相机下，成像效果基本一致，无法进行区分，但是两者的降等规格存在着很大的差异性。L0画面的异物亮和L0画面的亮点在图像中的成像效果分别如图1、图2所示，两者成像效果基本一致。现有针对L0画面的亮度缺陷有两个处理方案：一是直接忽略两类缺陷，直接将两者根据一个相对严格的标准进行降等输出，但是这样会导致面板检测时的大量误检和误判；二是单独设置一个复判工位，进行人员的逐个复判，但这样会带来时间成本与人力成本的增加。
技术实现思路
本专利技术的目的就是为了解决上述
技术介绍
存在的不足，提供一种AOI检测中L0画面的亮度缺陷分类方法及装置，可以快速准确有效的对L0画面的异物亮与亮点类缺陷进行分类，有效的降低了该类缺陷的带来的误检。本专利技术采用的技术方案是：一种AOI检测中L0画面的缺陷分类方法，包括以下步骤：步骤1：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；步骤2：对检测出的亮度类缺陷进行表面灰尘过滤；步骤3：将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。进一步地，所述缺陷检测包括如下步骤：1)、对L0画面进行全局背景亮度校正，使整个L0画面拍摄出来的图像具有统一均匀的背景亮度，同时对图像进行亮度归一化操作；2)、通过高斯-拉普拉斯滤波对图像中的缺陷进行增强处理；3)、通过分类器对处理后的原始图像进行检测，检出图像中缺陷的大概区域；4)、对检出的缺陷区域进行缺陷面积精确的分割；5)、对分割后的缺陷进行噪声的过滤，排出微弱缺陷得到最后的L0画面的异物亮和亮点类缺陷。进一步地，通过分类器对处理后的原始图像进行检测的过程为：Step1:将原始图像进行不同尺度的缩放，得到多个不同分辨率的图像；Step2:对缩放后的每个图像进行分块操作，得到多个子图像块，对每个子图像块提取特征，根据提取的特征用训练出来的分类器判断子图像块是否为缺陷图像；Step3:对Step2中判断为缺陷图像的子图像块，找到其对应于原始图像中的位置，对所有位置信息进行合并，得到缺陷的真实位置。更进一步地，所述检测画面的曝光时间和增益与L0画面的曝光时间和增益均相同。一种AOI检测中L0画面的缺陷分类装置，包括存储器、处理器及存储在该处理器中并可在该处理器上运行的计算机程序，该处理器被配置为执行该计算机程序时实现上述方法的步骤。一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。本专利技术通过增加一个检测画面对缺陷进行复判，可以准确判断出缺陷的类型，该方法无需对当前的AOI结构进行修改，不会增加任何的硬件成本，简单有效，可实施性强；同时也不会对检测的时间带来任何的影响；能精确的对异物亮与亮点进行分类，提高了AOI检测系统的性能，具有容易实现、成本低、实用性高的特点。附图说明图1为L0画面的异物亮在图像中的成像效果示意图。图2为L0画面的亮点在图像中的成像效果示意图。图3为本专利技术缺陷分类的流程图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步的详细说明，便于清楚地了解本专利技术，但它们不对本专利技术构成限定。由于异物亮类缺陷的形成原因是cell内有异物发亮，或者是偏光板发生划伤(包括上偏划伤和下偏划伤)，常黑模式下，原本不透光的区域发生了透光，这种缺陷是固有的，不论是否给电压信号都存在的。相对的亮点缺陷是由于液晶下方的电路短路导致的，如果不给任何电压信号，那么不通电的情况下，亮点是不会发亮的。基于以上的原理，本专利技术提供一种L0画面亮点确实与异物亮缺陷的分类方法，基本的过程是增加一个检测画面(ParticleDown)，该画面只亮背光，不给任何的电压信号，并且采用和L0画面相同的曝光时间和增益进行拍摄，在L0画面的所有亮点类缺陷检测完毕后，逐个的到ParticleDown画面去复判，检测该位置是否存在透光，如果存在说明该缺陷是异物亮，否则说明该缺陷是亮点缺陷。如图3所示，本专利技术的总体流程如下：步骤1：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；步骤2：对检测出的亮度类缺陷进行表面灰尘过滤；步骤3：将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。所述检测画面的曝光时间和增益与L0画面的曝光时间和增益均相同。L0画面的缺陷主要是偏光板异物亮类缺陷和亮点类缺陷。这类缺陷的面积大小以及强弱都不一致，且受到背光不均的问题影响，某些区域的均值亮度比其他地方缺陷的亮度还要高，故而无法通过某个阈值分割的方式进行检测。本专利技术提供了一种新的L0画面的缺陷检测方法，检测过程如下：1)、对L0画面进行全局背景亮度校正，使整个L0画面拍摄出来的图像具有统一均匀的背景亮度，同时对图像进行亮度归一化操作。2)、由于部分的缺陷非常的微弱，需要对缺陷进行增强，才能更方便的检出，因此需要通过高斯-拉普拉斯滤波对图像中的缺陷进行增强处理。3)、通过分类器对处理后的原始图像进行检测，检出图像中缺陷的大概区域；L0画面的亮点、异物亮类的缺陷都具有中心亮四周暗的特点，故而可以训练一个分类器，分类器具有四周暗中心亮的特性，专门检出具有该类特点的区域。分类器的训练方法有很多种，可以采用传统的Adaboost+LBP特征，也可以采用CNN卷积神经网络。由于缺陷的大小不一致，故而采用图像金字塔的方式进行对图像进行缩放再进行检测，也可以将分类器进行不同尺度的缩放后再在原始图像上进行缺陷的检测。利用分类器进行图像的检测包含两个流程，离线的分类器训练和在线的分类器检测：离线训练是指首先收集大量的缺陷样本和非缺陷样本，并将其裁剪到统一的大小，然后采用统计机器学习的方式进行训练，得到一个分类器(可以认为是一个高维空间的非线性曲面)，通过该分类器可以达到训练样本集中正样本和负样本的最佳分类效果。采用的统计机器学习的方法很多，比如级联Adaboost、SVM、随机森林等。离线训练完毕后，可以得到一个分类器。利用该分类器就可以和训练的缺陷类似的缺陷的检测，得到缺陷的具体位置和大小。基本流程如下：Step1:首先将原始图像进行不同尺度的缩放。比如原始图像的大小是3840*2160，那么缩放的图像为3840*rate*2160本文档来自技高网...

【技术保护点】
一种AOI检测中L0画面的亮度类缺陷分类方法，其特征在于：包括以下步骤：步骤1：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；步骤2：对检测出的亮度类缺陷进行表面灰尘过滤；步骤3：将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。

【技术特征摘要】
1.一种AOI检测中L0画面的亮度类缺陷分类方法，其特征在于：包括以下步骤：步骤1：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；步骤2：对检测出的亮度类缺陷进行表面灰尘过滤；步骤3：将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。2.根据权利要求1所述的AOI检测中L0画面的缺陷分类方法，其特征在于，所述缺陷检测包括如下步骤：1)、对L0画面进行全局背景亮度校正，使整个L0画面拍摄出来的图像具有统一均匀的背景亮度，同时对图像进行亮度归一化操作；2)、通过高斯-拉普拉斯滤波对图像中的缺陷进行增强处理；3)、通过分类器对处理后的原始图像进行检测，检出图像中缺陷的大概区域；4)、对检出的缺陷区域进行缺陷面积精确的分割；5)、对分割后的缺陷进行噪声的过滤，排出微弱缺陷得到最后的L0画面的异物亮和亮点类缺陷。3.根据权利要求2所述的AOI检测中L0画面的缺陷分类方法，其特...

【专利技术属性】
技术研发人员：张胜森，
申请(专利权)人：武汉精测电子技术股份有限公司，
类型：发明
国别省市：湖北,42