在本文中，我們將描述如何在全自動(dòng)測(cè)試系統(tǒng)中使用影像亮度色度計(jì)，在高速度、大批量的生產(chǎn)環(huán)境中識(shí)別和量化缺陷。本文內(nèi)容涵蓋測(cè)試設(shè)置，以及可以執(zhí)行的測(cè)試范圍 – 從簡(jiǎn)單的點(diǎn)缺陷檢測(cè)到復(fù)雜的 Mura檢測(cè)和評(píng)估。

詳細(xì)介紹

如何使用影像亮度色度計(jì)進(jìn)行 FPD 自動(dòng)光學(xué)檢測(cè)

在產(chǎn)線上及產(chǎn)線的zui終檢測(cè)中，主要有三種方法可對(duì)高速生產(chǎn)過程中的平板顯示屏（FPD）進(jìn)行光學(xué)檢測(cè)：

1）人工檢測(cè) —— 輕松處理比較復(fù)雜的測(cè)試要求。但與電子測(cè)試方法相比，它相對(duì)緩慢，變化較大

2）基于機(jī)器視覺的檢測(cè) —— 非?？旖?，測(cè)試簡(jiǎn)單。但很多測(cè)試不能反映出人的視覺體驗(yàn)

3）基于影像亮度色度計(jì)的檢測(cè) —— 在速度上介于上述兩種方法之間。能夠像人那樣進(jìn)行“目測(cè)”，而且具有高度的可靠性和可重復(fù)性

使用影像亮度色度計(jì)系統(tǒng)和相關(guān)分析軟件，可以評(píng)估 FPD 的亮度、色彩均勻度和對(duì)比度，并識(shí)別 FPD 上的缺陷，這種用途已經(jīng)被廣為接受。影像亮度色度計(jì)和機(jī)器視覺之間的基本差別在于：影像亮度色度計(jì)可以地匹配人類視覺感知，包括對(duì)光線和色彩均勻度（以及不均勻性）的感知。

測(cè)量挑戰(zhàn)

影像亮度色度計(jì)系統(tǒng)是基于 CCD 的影像系統(tǒng)，經(jīng)過校準(zhǔn)之后，它對(duì)光線、亮度和色彩的反應(yīng)與 CIE 模型定義的標(biāo)準(zhǔn)人工觀察者相同?？傻赝瑫r(shí)測(cè)量亮度、色彩及其空間關(guān)系。測(cè)試時(shí)，系統(tǒng)會(huì)生成數(shù)據(jù)，并可隨時(shí)使用這些數(shù)據(jù)來確定顯示屏均勻性和對(duì)比度性能。此外，還可對(duì)均勻度差異進(jìn)行分析，以識(shí)別和定位潛在的顯示屏缺陷。顯示屏測(cè)量和分析面臨的三大重要挑戰(zhàn)是：

1）識(shí)別與人類視覺感知具有高度關(guān)聯(lián)性的缺陷

2）量化缺陷的嚴(yán)重程度

3）快速執(zhí)行高重復(fù)度的分析

缺陷的分析和量化可以作為依據(jù)，幫助我們確定導(dǎo)致缺陷的顯示屏組件，以及接下來采取的行動(dòng) – 例如廢棄顯示屏或返回進(jìn)行修理 – 從而提高質(zhì)量測(cè)試的效率，還可以降低成本。與人工視覺檢測(cè)相比，使用影像亮度色度計(jì)的測(cè)試更加快捷和靈活，重復(fù)度更高，另外它在匹配人類視覺感知方面的度高于機(jī)器視覺。

影像亮度色度計(jì)可以地捕獲 FPD 上的光線和色彩變化的空間關(guān)系，這一優(yōu)點(diǎn)使得這種測(cè)試方法非常適用于評(píng)估視覺性能。

測(cè)量組件和測(cè)試

通過適當(dāng)?shù)淖詣?dòng)測(cè)試序列，影像亮度色度計(jì)可用于獲取廣泛、的高分辨率數(shù)據(jù)，以描述特定顯示屏的性能。對(duì)于典型測(cè)試序列，此類測(cè)量數(shù)據(jù)通?？稍趲酌腌娭烈环昼娭畠?nèi)獲取，具體時(shí)間取決于顯示屏技術(shù)和分辨率。使用新的 Mura缺陷分析技術(shù)，這些影像可用于確定與物理原因直接相關(guān)的各種缺陷之間的細(xì)微差異。

要使用影像亮度色度計(jì)進(jìn)行顯示屏的自動(dòng)測(cè)量和分析，需要使用組合測(cè)量控制和分析軟件。我們針對(duì)此應(yīng)用開發(fā)的系統(tǒng)整體結(jié)構(gòu)如圖 1 所示。該系統(tǒng)的主要組件包括：（1）科研級(jí)影像亮度色度計(jì)系統(tǒng)；（2）基于 PC 的測(cè)量控制軟件，它不僅控制影像亮度色度計(jì)，還控制待測(cè)試設(shè)備上的測(cè)試影像顯示；以及（3）一套能夠運(yùn)行各種測(cè)試的影響分析函數(shù)。因此，該系統(tǒng)可針對(duì)各種顯示屏缺陷（例如點(diǎn)缺陷、線缺陷和 Mura）提供量化自動(dòng)檢測(cè)。

實(shí)施的部分測(cè)試包括：

圖 1. FPD AOI 測(cè)試設(shè)置，影像亮度色度計(jì)處在自動(dòng)軟件控制下

顯示屏缺陷檢測(cè)應(yīng)用

顯示屏缺陷分為很多類型，例如像素缺陷和行缺陷、屏幕制造的物理疵點(diǎn) （例如脫層）、屏幕損壞（例如劃痕）、影像均勻度的疵點(diǎn) （例如 Mura）。利用對(duì)視覺感知的研究，我們可以根據(jù)人工觀察者發(fā)現(xiàn)這些缺陷的明顯程度（或者是否明顯），通過數(shù)字方式對(duì)這些缺陷進(jìn)行分類。這個(gè)分析過程速度很快，而且重復(fù)度很高。它適用于多種顯示屏技術(shù)，包括液晶、等離子、OLED 和投影顯示屏。

在本文中，我們通過分析多個(gè)顯示屏，演示這些缺陷檢測(cè)和分類方法。圖 2 顯示了存在行缺陷的顯示屏的光學(xué)測(cè)量，分析軟件在顯示屏影像上識(shí)別和指示這個(gè)缺陷，如圖 3 所示。行缺陷是一種比較容易確定根源的缺陷；其起因是液晶屏故障。

圖 2.存在可視行缺陷的顯示屏屏幕的光學(xué)測(cè)量。圖 3.行缺陷是由影像亮度色度計(jì) AOI 軟件識(shí)別的；屏幕上為用戶指明了缺陷位置。

圖 4 顯示了存在點(diǎn)缺陷的顯示屏的光學(xué)測(cè)量；分析軟件在顯示屏影像上識(shí)別和指示這個(gè)缺陷，如圖 5 所示。如果分析確定該故障的起因是液晶屏像素停滯，則可將點(diǎn)缺陷歸類為像素故障。但是，從單個(gè)角度直視并不能區(qū)分死像素與顯示屏玻璃背面微粒之間的差異。在此情況下，需要進(jìn)行第二道檢驗(yàn)以識(shí)別故障原因。

圖 4.存在點(diǎn)缺陷的顯示屏的光學(xué)測(cè)量 – 您能看到嗎？圖 5.點(diǎn)缺陷是由影像亮度色度計(jì) AOI 軟件識(shí)別的，并在顯示屏屏幕上標(biāo)記，我們放大了該點(diǎn)，讓它更容易看到。

Mura的檢測(cè)和分類可能比較復(fù)雜。 Mura通常是亮度和色彩的不均勻性，覆蓋較大的不規(guī)則區(qū)域。如果發(fā)現(xiàn)亮度和色彩對(duì)比度超過了可感知的閾值，則表示檢測(cè)出 Mura。但是，由于人工感知這些對(duì)比度取決于多個(gè)因素，包括視距、空間頻率和方向，因此我們無法通過查看對(duì)比度的簡(jiǎn)單值，來識(shí)別相關(guān) Mura。

在對(duì)顯示屏缺陷的人類視覺感知建模方面，我們zui近取得了進(jìn)展，這使我們能夠從“zui小可覺差”（JND）的角度來量化 Mura。基于人工觀察員的采樣，我們定義了 JND 標(biāo)度，如果 JND 差異為 1，則從統(tǒng)計(jì)上無法察覺；在標(biāo)度上，JND 為 0，表示沒有可視的空間對(duì)比度，JND 值為 1，表示*個(gè)可察覺空間對(duì)比度 – 這樣就能針對(duì)各種顯示屏技術(shù)對(duì)顯示缺陷進(jìn)行分級(jí)。因此，我們可以處理亮度和色彩的空間分配的影像亮度色度計(jì)測(cè)量，以創(chuàng)建影像的 JND 映射，其中 Mura缺陷在與人類視覺感知直接關(guān)聯(lián)的前提下進(jìn)行了分級(jí)。

圖 6 顯示了存在 Mura缺陷的顯示屏，經(jīng)過分析后，我們?cè)陲@示屏影像上識(shí)別了該缺陷，如圖 7 所示。

圖 6.對(duì)存在 Mura缺陷的顯示屏進(jìn)行影像亮度色度計(jì)測(cè) 量，您能夠找到這個(gè)缺陷嗎？

圖 7.該 Mura缺陷是由影像亮度色度計(jì) AOI 軟件在顯示屏上識(shí)別的。它的范圍與 JND 值一同顯示。

圖 8 和圖 9 顯示了識(shí)別 Mura的步驟。作為中間步驟，它會(huì)生成一個(gè)差異影像，顯示相對(duì)于參考影像的亮度偏差。然后計(jì)算顯示屏的 JND 映射。請(qǐng)注意，圖 7 所示的 Mura測(cè)試有意忽略了 JND 影像中的明顯邊緣效應(yīng)。這些效應(yīng)可以簡(jiǎn)單地單獨(dú)識(shí)別和分類。

識(shí)別 Mura缺陷并不是基于各區(qū)域之間的對(duì)比度計(jì)算的簡(jiǎn)單數(shù)學(xué)計(jì)算。首先， Mura區(qū)域的大小和形狀各不相同。其次，人工感知 Mura的能力受到其他一些因素的制約 – 視頻、空間頻率和色彩。

圖 8.差異圖片顯示了相對(duì)于計(jì)算參考影像的偏離。Mura的位置突出顯示。

圖 9.顯示了顯示屏 JND 映射的“偽彩色圖像”。顯示屏邊緣的漏光和明顯 Mura缺陷標(biāo)識(shí)為較大的 JND 值。

基于影像亮度色度計(jì)的 AOI 測(cè)試系統(tǒng)可以快速可靠地識(shí)別和量化顯示屏缺陷。為確定或分類缺陷根源，從而確定顯示屏的狀態(tài)，有時(shí)需要人工檢測(cè)。很多情況下，例如圖 3 所示的行缺陷，識(shí)別的缺陷及其起因之間存在一對(duì)一關(guān)系。在這些情況下，我們可以即時(shí)對(duì)缺陷進(jìn)行分類，而且無需人工檢測(cè)。而在其他一些情況下，例如某些 Mura缺陷，缺陷可能有多種原因，因此我們需要更多信息幫助進(jìn)行分類。執(zhí)行這種分類的一種高效方法是讓人工操作員確定哪種原因是正確的。當(dāng)需要人工分類時(shí)，為了提高效率，TrueTest 會(huì)向操作員指示需要進(jìn)一步檢驗(yàn)的缺陷的位置和詳細(xì)信息。可以在人工判斷基礎(chǔ)上進(jìn)行加速，例如專門針對(duì)需要分類的缺陷，以及提供適當(dāng)?shù)募?xì)節(jié)。

對(duì)于圖 4 和圖 5 中所示的點(diǎn)缺陷，操作員可以知道暗點(diǎn)的準(zhǔn)確位置和相關(guān)信息，從而快速確定該缺陷是死像素，還是顯示屏玻璃背面的微粒。

總結(jié)

本文檔所述的影像亮度色度計(jì) AOI 測(cè)試方法可以應(yīng)用于多種顯示屏技術(shù)， FPD（液晶、等離子、OLED）和投影顯示屏均可使用。這些方法提供與人工視頻感知相關(guān)的快速可重復(fù)測(cè)量，能夠通過數(shù)字方式標(biāo)識(shí)缺陷特征，因而不僅可以識(shí)別顯示屏缺陷，還能夠按原因?qū)θ毕葸M(jìn)行分類。這使我們能夠在制造應(yīng)用中對(duì)顯示屏進(jìn)行*測(cè)量，并根據(jù)用戶定義的標(biāo)準(zhǔn)，自動(dòng)確定顯示屏是否通過測(cè)試。更加重要的是，它還可以自動(dòng)確定修補(bǔ)措施（例如返工或廢棄）。

關(guān)鍵詞：機(jī)器視覺

其他推薦產(chǎn)品更多>>