一种基于机器视觉的Mura缺陷检测方法及系统技术方案

本发明专利技术属于液晶屏显示缺陷检测技术领域，具体涉及一种基于机器视觉的Mura缺陷检测方法及系统。所述检测系统包含线阵CCD相机(1)、线光源(2)、液晶屏(3)、液晶屏传送装置(4)、图像缺陷检测设备(5)。本发明专利技术对比基于高斯混合模型的空间域背景分离法及阴影消除法中计算全局像素平均，该检测方法仅采用局域计算，不需要建立标准，且计算量小；避免了成像过程中光照不均匀的情况下，全局运算带来的误差；具有线性时间复杂度，且鲁棒性好，且参数设计合理人工干预少，效率高，适合于工业检测。

【技术实现步骤摘要】
一种基于机器视觉的Mura缺陷检测方法及系统
本专利技术属于液晶屏显示缺陷检测
，具体涉及一种基于机器视觉的Mura缺陷检测方法及系统。
技术介绍
近年来，由于液晶屏广泛应用于个人电脑、桌面显示器、液晶电视、手持设备如手机、移动设备如车载显示等产品，其需求量呈现出爆发式的增长。特别是最近两年，液晶屏分辨率不断提高，尤其是视网膜级的液晶屏的逐渐普及，消费者的体验要求日益苛刻，液晶屏厂商之间的竞争日益激烈，亚像素缺陷检测的需求日益凸显，在液晶屏质量控制中扮演着日益重要的角色。由于目前该行业的检测主要还是依靠人工裸眼检测，检测结果受人主观判别影响较大，视觉疲劳易影响缺陷的检测和分析，并且由于缺陷判断缺乏统一的量化标准，难以保证检测结果的一致性，不利于缺陷的定量分析。机器视觉法通过采集液晶屏图像，利用图像分析算法识别和测量缺陷。由于机器视觉法具有精确性、可重复性、速度快等优点，受到液晶屏制造商的广泛关注。机器视觉法不会产生疲劳效应，可实现非接触式的长时间快速在线缺陷检测。利用机器视觉法替代传统的人工视觉法，为液晶屏缺陷检测研究带来一种全新的思路。因此研究基于机器视觉的缺陷自动检测方法成本文档来自技高网...

【技术保护点】
一种基于机器视觉的Mura缺陷检测方法，其特征在于：所述方法的具体步骤为：S1、图像采集：线阵CCD相机采集液晶屏的灰度图像I，传输至缺陷检测处理设备；S2、预处理：对液晶屏图像I采用梯度阈值的边缘检测法，获取液晶屏的边缘，按边缘分割，得到待检测液晶屏图像P；并对液晶屏图像P进行高斯模糊，得到待处理的图像S；S3、背景消除：对于图像S采用公式一的基于领域信息的背景消除法，获得前景图像M：M(x,y)＝|S(x+Δd,y)+S(x‑Δd,y)+S(x,y+Δd)+S(x,y‑Δd)‑4M(x,y)|公式一其中x，y表示图像中像素点的二维坐标，Δd是增强边缘的宽度；S4、二值化：对前景图M采用阈值...

【技术特征摘要】
1.一种基于机器视觉的Mura缺陷检测方法，其特征在于：所述方法的具体步骤为：S1、图像采集：线阵CCD相机采集液晶屏的灰度图像I，传输至缺陷检测处理设备；S2、预处理：对液晶屏图像I采用梯度阈值的边缘检测法，获取液晶屏的边缘，按边缘分割，得到待检测液晶屏图像P；并对液晶屏图像P进行高斯模糊，得到待处理的图像S；S3、背景消除：对于图像S采用公式一的基于领域信息的背景消除法，获得前景图像M：M(x,y)＝|S(x+Δd,y)+S(x-Δd,y)+S(x,y+Δd)+S(x,y-Δd)-4M(x,y)|公式一其中x，y表示图像中像素点的二维坐标，Δd是增强边缘的宽度；S4、二值化：对前景图M采用阈值μ进行阈值化，获得二值图像B；S5、去噪：基于形态学滤波的去噪方法，得到去噪图像BW；S6、缺陷判定：对二值图像BW统计连通域面积，如果面积大于设定的检测阈值T则认为该处存在缺陷，否则认为是噪声点。2.根据权利要求1所述的基于机器视觉的Mura缺陷检测方法，其特征在于：所述步骤S4中，对图像M按像素值255～0进行直方图统计，使不超过1％的定义为缺陷或者噪声点，得到阈值μ。3.根据权利要求1、2任一项所述的基于机器视觉的Mura缺陷检测方法，其特征在于：所述步骤S2中，采用3*3的模板大...

【专利技术属性】
技术研发人员：钱基德，钱基业，陈斌，王佐才，陈刚，吴强，李科，张衡，
申请(专利权)人：中科院成都信息技术股份有限公司，
类型：发明
国别省市：四川,51