基于机器视觉的TFT阵列基板缺陷检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于机器视觉的TFT阵列基板缺陷检测方法。方法包括：获取TFT阵列基板的灰度图像，基于灰度图像中像素点的灰度值构建不同灰阶区间长度对应的灰度游程矩阵，根据每种灰阶区间长度对应的灰度游程矩阵中数据值的分布情况以及位置分布情况，获得目标灰度游程矩阵；根据目标灰度游程矩阵中非零数据值与最大数据值的相对位置分布情况以及数据值之间的差异，获得综合噪声强度，基于综合噪声强度对灰度图像进行滤波处理获得去噪后的图像，进而对TFT阵列基板进行缺陷检测。本发明专利技术提高了TFT阵列基板缺陷检测结果的准确度。检测结果的准确度。检测结果的准确度。

【技术实现步骤摘要】
基于机器视觉的TFT阵列基板缺陷检测方法


[0001]本专利技术涉及图像处理
，具体涉及基于机器视觉的TFT阵列基板缺陷检测方法。

技术介绍

[0002]TFT阵列基板是一种用于液晶显示器（LCD）和有机发光二极管(OLED)显示技术的半导体材料，往往由数块小型阵列基板组成，是液晶显示器的核心部件之一，对显示器的性能具有重要影响，它在计算机显示器、智能手机、平板电脑和其他电子设备中发挥着关键作用。实际TFT阵列基板生产中大部分过程都是在高洁净度的无尘室里完成的，但TFT阵列基板上还是不可避免地会出现一些视觉缺陷。现有的视觉检测方法通常将待测产品图像每个像素点与设计图像中对应位置像素的灰度进行对比，并通过与设定阈值对比获得检测结果。但是TFT阵列基板缺陷较细微，同时其表面成膜电路元件同样微小，而机器视觉检测时，图像的采集、传输及检测过程易受到噪声干扰，使本就微小的各元器件图像显示失真，影响检测结果。现有的去噪算法对TFT阵列基板图像处理时存在过度平滑、去噪效果不理想等问题，检测时会出现缺陷识别错误或漏识别的现象，进而使得TFT阵列基板缺陷检测的准确度较低。

技术实现思路

[0003]为了解决现有方法在对TFT阵列基板图像进行去噪时的去噪效果较差，进而使得在对TFT阵列基板缺陷检测时存在准确度较低的问题，本专利技术的目的在于提供一种基于机器视觉的TFT阵列基板缺陷检测方法，所采用的技术方案具体如下：本专利技术提供了一种基于机器视觉的TFT阵列基板缺陷检测方法，该方法包括以下步骤：获取待检测TFT阵列基板的灰度图像；基于所述灰度图像中像素点的灰度值构建不同灰阶区间长度对应的灰度游程矩阵，根据每种灰阶区间长度对应的灰度游程矩阵中数据值的分布情况以及位置分布情况，确定最优灰阶区间长度；将最优灰阶区间长度对应的灰度游程矩阵作为目标灰度游程矩阵；根据所述目标灰度游程矩阵中非零数据值与最大数据值的相对位置分布情况以及数据值之间的差异情况，获得综合噪声强度，基于所述综合噪声强度对所述灰度图像进行滤波处理获得去噪后的图像；基于所述去噪后的图像对待检测TFT阵列基板进行缺陷检测。
[0004]优选的，所述根据每种灰阶区间长度对应的灰度游程矩阵中数据值的分布情况以及位置分布情况，确定最优灰阶区间长度，包括：对于第k种灰阶区间长度对应的灰度游程矩阵：分别将该灰度游程矩阵中每个最大数据值对应的行数与该灰度游程矩阵的总行数的比值记为对应最大数据值的位置参数；
将该灰度游程矩阵中所有最大数据值的位置参数的均值，作为目标参数；将该灰度游程矩阵中每个最大数据值的所述位置参数与所述目标参数的差异，作为对应最大数据值的位置差异指标；根据该灰度游程矩阵中所有非零数据值的平均值与该灰度游程矩阵中最大数据值之间的差异、第k种灰阶区间长度、该灰度游程矩阵中每个最大数据值的位置差异指标，得到第k种灰阶区间长度对应的特征值；基于所有种灰阶区间长度对应的特征值获得最优灰阶区间长度。
[0005]优选的，采用如下公式计算第k种灰阶区间长度对应的特征值：其中，为第k种灰阶区间长度对应的特征值，为第k种灰阶区间长度对应的灰度游程矩阵中的最大数据值，为该灰度游程矩阵中所有非零数据值的平均值，为第k种灰阶区间长度，为该灰度游程矩阵中最大数据值的数量，为第k种灰阶区间长度对应的灰度游程矩阵中第i个最大数据值的位置参数，为第k种灰阶区间长度对应的灰度游程矩阵中所有最大数据值的位置参数的均值，| |为取绝对值符号。
[0006]优选的，所述基于所有种灰阶区间长度对应的特征值获得最优灰阶区间长度，包括：将特征值最大的灰阶区间长度，确定为最优灰阶区间长度。
[0007]优选的，所述根据所述目标灰度游程矩阵中非零数据值与最大数据值的相对位置分布情况以及数据值之间的差异情况，获得综合噪声强度，包括：根据所述目标灰度游程矩阵中非零数据值与最大数据值之间的差异、非零数据值与最大数据值的相对位置分布情况，得到所述灰度图像对应的初始噪声强度；分别将所述目标灰度游程矩阵中第一列中每个数据值与所述目标灰度游程矩阵中第一列所有数据值之和的比值，作为第一列中每个数据值的概率；根据所述目标灰度游程矩阵中第一列中所有数据值的概率，得到噪声强度调节参数；基于所述初始噪声强度和所述噪声强度调节参数获得综合噪声强度，所述初始噪声强度和所述噪声强度调节参数均与所述综合噪声强度呈正相关关系。
[0008]优选的，采用如下公式计算所述灰度图像对应的初始噪声强度：其中，为所述灰度图像对应的初始噪声强度，J为目标灰度游程矩阵中非零数据值的数量，为目标灰度游程矩阵中第j个非零数据值，为目标灰度游程矩阵中的最大数据值，为目标灰度游程矩阵中第j个非零数据值与最大数据值的最小欧氏距离，m为目标灰度游程矩阵的行数，n为目标灰度游程矩阵的列数。
[0009]优选的，根据所述目标灰度游程矩阵中第一列中所有数据值的概率，得到噪声强度调节参数，包括：基于所述目标灰度游程矩阵中第一列中所有数据值的概率和信息熵的计算公式，获得噪声强度调节参数。
[0010]优选的，基于所述初始噪声强度和所述噪声强度调节参数获得综合噪声强度，包括：计算所述初始噪声强度与所述噪声强度调节参数的和值，获取以自然常数为底数，以负的所述和值为指数的指数函数值；将常数1与所述指数函数值的差值，确定为所述综合噪声强度。
[0011]优选的，所述基于所述综合噪声强度对所述灰度图像进行滤波处理获得去噪后的图像，包括：将所述综合噪声强度作为维纳滤波时对应的滤波强度，采用维纳滤波算法对所述灰度图像进行滤波处理，获得去噪后的图像。
[0012]优选的，基于所述目标灰度游程矩阵中第一列中所有数据值的概率和信息熵的计算公式，获得噪声强度调节参数，包括：分别将所述目标灰度游程矩阵中第一列中每个数据值的概率与预设调整参数的和值，作为对应数据值的目标概率，将所述目标灰度游程矩阵中第一列中所有数据值的所述目标概率代入信息熵计算公式中，将计算结果作为噪声强度调节参数；其中，预设调整参数大于0。
[0013]本专利技术至少具有如下有益效果：1、本专利技术考虑到在构建待检测TFT阵列基板的灰度图像对应的灰度游程矩阵时，灰阶区间的长度会影响后续的分析结果，若灰阶区间的长度过大，则构建的灰度游程矩阵容易丢失噪声信息；若灰阶区间的长度过小，则构建的灰度游程矩阵分布过于混乱，无法分析有效噪声信息，本专利技术根据每种灰阶区间长度对应的灰度游程矩阵中数据值的分布情况以及位置分布情况，确定了最优灰阶区间长度，并将最优灰阶区间长度对应的灰度游程矩阵作为了目标灰度游程矩阵，目标灰度游程矩阵能够更准确地表征待检测TFT阵列基板的灰度图像中像素点的灰度分布特征，与现有灰阶区间划分过程相比，在保证灰度游程矩阵体现噪声信息的同时大幅减少了计算成本，提升了检测效率，本专利技术通过目标灰度游程矩阵表现的图像纹理信息更准确地获取图像的综合噪声强度，使得后续的滤波效果更好，能够有效地提高TFT阵列基板缺陷检测结果的准确精度。
[0014]2、本专利技术利用目标灰度游程矩阵评估待检测TFT本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的TFT阵列基板缺陷检测方法，其特征在于，该方法包括以下步骤：获取待检测TFT阵列基板的灰度图像；基于所述灰度图像中像素点的灰度值构建不同灰阶区间长度对应的灰度游程矩阵，根据每种灰阶区间长度对应的灰度游程矩阵中数据值的分布情况以及位置分布情况，确定最优灰阶区间长度；将最优灰阶区间长度对应的灰度游程矩阵作为目标灰度游程矩阵；根据所述目标灰度游程矩阵中非零数据值与最大数据值的相对位置分布情况以及数据值之间的差异情况，获得综合噪声强度，基于所述综合噪声强度对所述灰度图像进行滤波处理获得去噪后的图像；基于所述去噪后的图像对待检测TFT阵列基板进行缺陷检测。2.根据权利要求1所述的基于机器视觉的TFT阵列基板缺陷检测方法，其特征在于，所述根据每种灰阶区间长度对应的灰度游程矩阵中数据值的分布情况以及位置分布情况，确定最优灰阶区间长度，包括：对于第k种灰阶区间长度对应的灰度游程矩阵：分别将该灰度游程矩阵中每个最大数据值对应的行数与该灰度游程矩阵的总行数的比值记为对应最大数据值的位置参数；将该灰度游程矩阵中所有最大数据值的位置参数的均值，作为目标参数；将该灰度游程矩阵中每个最大数据值的所述位置参数与所述目标参数的差异，作为对应最大数据值的位置差异指标；根据该灰度游程矩阵中所有非零数据值的平均值与该灰度游程矩阵中最大数据值之间的差异、第k种灰阶区间长度、该灰度游程矩阵中每个最大数据值的位置差异指标，得到第k种灰阶区间长度对应的特征值；基于所有种灰阶区间长度对应的特征值获得最优灰阶区间长度。3.根据权利要求2所述的基于机器视觉的TFT阵列基板缺陷检测方法，其特征在于，采用如下公式计算第k种灰阶区间长度对应的特征值：其中，为第k种灰阶区间长度对应的特征值，为第k种灰阶区间长度对应的灰度游程矩阵中的最大数据值，为该灰度游程矩阵中所有非零数据值的平均值，为第k种灰阶区间长度，为该灰度游程矩阵中最大数据值的数量，为第k种灰阶区间长度对应的灰度游程矩阵中第i个最大数据值的位置参数，为第k种灰阶区间长度对应的灰度游程矩阵中所有最大数据值的位置参数的均值，| |为取绝对值符号。4.根据权利要求2所述的基于机器视觉的TFT阵列基板缺陷检测方法，其特征在于，所述基于所有种灰阶区间长度对应的特征值获得最优灰阶区间长度，包括：将特征值最大的灰阶区间长度，确定为最优灰阶区间长度。5.根据权利要求1所述的基于机器视觉的TFT阵列基板缺陷检测方法，其特征在于，所述根据所述目标灰度游程矩阵中非零数据值与最大数据值的相对位置分布情况以及数据值之间的差异...

【专利技术属性】
技术研发人员：王子钧，肖琼，汤爱保，李尧，
申请(专利权)人：深圳市东陆科技有限公司，
类型：发明
国别省市：