《LCD线路缺陷检测系统的组成及检测方法介绍.doc》由会员分享，可在线阅读，更多相关《LCD线路缺陷检测系统的组成及检测方法介绍.doc（6页珍藏版）》请在三一文库上搜索。
1、LCD线路缺陷检测系统的组成及检测方法介绍引言近年来，随着液晶显示屏（ liquid crystal disPlay,LCD） 的广泛应用，生产过程中对LCD 缺陷的检测变得越来越重要，而自动光学检测技术作为质量检测的重要手段，也已经在LCD 缺陷检测中得到了应用。LCD 缺陷种类繁多，比如刮痕。杂质。Mura 缺陷以及线路缺陷等，本文中将讨论线路缺陷的检测。LCD 缺陷检测中常见的检测方法主要有3 种： 参考比较法。非参考校验法和混合法。非参考校验法主要基于数学形态学操作； 应用较多的是参考比较法，它基于图像配准和与标准模板作差进行缺陷检测，这种方法操作简单，可以有效地检测出常见缺陷，但是对
2、配准精度要求很高，同时由于需要事先建立标准模板，内存消耗也较大。例如KANG 等人提出了一种基于模式比较和边界扩张的方法，首先由模式比较得到只包含缺陷的图像，然后对每个缺陷的每个像素作标记，对于同一个缺陷却被划分为多个区域的情况，采用边界扩张的方法进行区域合并，最后分析缺陷区域特征信息。本文中的方法其优点在于不需要模式比较。该线路缺陷检测算法基于图像轮廓分析，在目标区域提取过程中，采用了一种形态学操作的击中击不中变换（ hit-miss transform,HMT） 方法，有效准确地提取出了待检测的线路区域。图像轮廓分析是本文中检测算法的核心，在阈值分割之后，进行边缘检测以得到单像素边界，根据
3、这个特点采用基于深度优先搜索的方法来进行边界追踪，以寻找线路图像轮廓，并用离散化的格林公式计算轮廓面积。1 系统组成及预处理由于LCD 线路的线宽线距很小，需要很高的像素分辨率，同时又要保证足够的视场，因此面阵相机很难满足要求。本系统采用线扫描电荷耦合器件（ chargecouPled device,CCD） 相机，有效像素7400; 另外，采用直线电机代替传统的旋转电机以提高系统精度。检测系统如图1 所示图2 展示了该系统采集的1 幅LCD 线路图像的一部分。图2 中画出了L1,L2两条直线，L1和L2之间的区域为所要检测的目标区域，L1上面和L2下面部分是由于相机视场因素而多拍摄的图像，因
4、此首先进行目标区域的提取。提取目标区域需要先找到一个定位标志，然后以定位标志为基准点提取出目标区域，LCD 上一般采用十字形作为定位标志。本文中采用基于击中击不中变换的方法来检测十字形的坐标。HMT 针对二值图像操作，因此先要将线路图像进行阈值分割，然后应用HMT 找到十字形定位标志的中心，再根据液晶尺寸，以定位中心为基准点，向上下左右4 个方向偏移适当距离提取出目标区域。图3 显示了阈值分割后提取出的目标区域图像。在轮廓分析之前，首先要提取线路单像素边缘，且由于二值化后的线路边缘明确，canny 边缘检测即可得到单像素边缘图像。图4 为采用canny 边缘检测后的结果的局部图。2 LCD 线
5、路轮廓分析2. 1单个轮廓搜索在液晶线路的轮廓图像中，每一条线路或者一个标志（ 例如十字形定位标志） 的轮廓均为一条封闭曲线。轮廓分析已有相关算法被提出，在作者采用的检测方法中，结合LCD 线路轮廓的单像素特点，分析时采用八邻域连通的方法，但是在搜索轮廓过程中优先搜索中心像素的左右上下4 个像素，然后再搜索4个角的像素，并采用深度优先搜索策略10?基于八邻域连通的深度优先搜索如图5 所示，P 为中心像素，搜寻轮廓时先判断P5,P4,P2,P7,如果没有像素与P 连通，然后再判断P3,P8,P6,P1; 一旦找到一个与P 连通的像素，例如P5,那么立即停止搜索P 的其它相邻像素，而以P5为中心继
6、续搜索。在搜索过程中，定义如下数据结构来表示一个轮廓： tyPedef vector Contour; vector 和Pair 是C + + 标准库类型，Pair 表示轮廓上的1 个像素，第1 个参量为行坐标，第2 个参量为列坐标。在搜索过程中每找到一个像素就将其加入到vector.图6 说明了对单个轮廓的搜索过程。首先定义一个Contour 对象contour,假定从P1开始搜索，由于LCD 线路主要走向是横向，因此先搜索P1的左右像素，再搜索上下像素，最后搜索4 个角的像素； 当搜索到一个连通像素P2后，根据深度优先策略，停止对P1邻域的搜索，即使P1还可能有其它连通像素，例如这里的P5
7、和P3,将P1存入contour,并将P1标记为已搜索； 然后以P2为中心搜索，虽然P1与P2连通，但标记为已搜索，因此，将搜索到P2的连通像素P3; 再以P3为中心搜索到P4,如此进行下去。当搜索到P5时，发现与其连通的像素均已标记为已搜索，于是对该轮廓的搜索结束。可见，对一个轮廓搜索结束的条件为： 某一像素的所有连通像素均标记为已搜索。2. 2 轮廓面积计算当得到一个轮廓的所有像素之后，就能很方便地计算其特征参量，比如周长。面积。质心等。由图6 可以看出，轮廓的周长即是该轮廓所包含的像素个数，因此可以很方便地计算出来； 质心可由质心公式计算，对于图像即是所有像素的坐标平均值。本文中检测缺陷
8、时需要用到轮廓的面积，对于曲线所围成区域，可以采用格林公式计算其面积，定义如下： 设单连通闭区域D 由分段光滑的曲线L 围成，函数R（ x,y） 及Q（ x,y） 在D 上具有1 阶连续偏导数，则有。其中对于二值图像中的连通区域，用差分代替微分，用求和代替积分，可推导出轮廓的面积计算公式。设轮廓由m 个像素点Rk（ Xk,Yk） 组成，其中k = 1,2,，m;Rm + 1 = R1; R1,R2,，Rm沿轮廓正向排列，则面积S 可表示为。如果按轮廓曲线的正向来搜索像素，最后得到的contour 中的像素点即是按正向排列的，应用上面公式可快速计算出轮廓面积。在计算面积的时候，不管轮廓内部是否包
9、含其它轮廓，均当做单连通区域处理，因为当一个轮廓内部包含其它轮廓的时候，内部轮廓则是由于线路的孔洞缺陷导致，将其也看作一个单连通区域，便于后面的缺陷判断检测。2. 3 整幅图像轮廓分析设经过二值化。目标区域提取以及边缘检测后的图像为imagemn,轮廓为白色，背景为黑色。为了对已搜索过的像素作标记，建立一个与原图像尺寸一致的标记数组。将所有轮廓存储在一个vector 对象中，算法具体步骤如下。（ 1） 建立一个与图像尺寸一致的标记数组flagmn,初始化为0,表示所有元素均没被标记。（ 2） 从左至右从上至下遍历图像所有像素，当扫描到一个白色且未被标记的像素Pix（ i,j） 时，说明找到一个
10、新轮廓，以该像素为起点，按照上面的单个轮廓分析算法搜索出该轮廓的所有像素，存入表示该轮廓的Contour对象中，搜索过程中已搜索过的白色像素在flag 数组中的对应元素置1?当本次搜索完毕时，将该轮廓的Contour 对象存入vector 对象中。（ 3） 继续扫描图像，重复第（ 2） 步，直到遍历完成个图像，至此已找出所有轮廓，算法结束。对图2 应用上面的算法进行轮廓分析，统计了轮廓的面积，结果图7 所示。为了测试该算法的性能，选择了不同尺寸和不同轮廓数目的LCD 线路图像，对每张图像进行50 次重复测试统计轮廓分析时间，其图像尺寸。轮廓数目以及轮廓分析平均消耗时间的关系如表1 所示。所用P
11、C 配置Intel Core2 Duo T6670,2. 2GHz 处理器，2GB 内存，Windows7 系统，并在VS2008 开发环境下进行试验。从表1 可以看出，该轮廓分析方法能快速地找出所有线路轮廓并计算出其面积。同时由表1 前4 行可知，在轮廓数目相同的情况下，随着图像尺寸的成倍增加，所需时间增加很缓慢； 由后4 行可知，在图像尺寸不变的情况下，轮廓分析时间随轮廓数目成近似线性关系； 因此，影响消耗时间的主要因素是轮廓数目。由于LCD 线路图像的像素分辨率高，图像尺寸很大，但线路数目相对较少，因此，用该方法可高效率地检测LCD 的线路缺陷。3 检测流程和实验结果本文中算法检测的LC
12、D 线路的缺陷示意图如图8所示，包括短路。短路。孔洞和孤岛4 种缺陷。缺陷检测流程如下。（ 1） 对某一型号的LCD,选择一定数目（ 这里取10块） 标准样品，按上述算法过程计算出每块LCD 线路的轮廓数目和每个轮廓的面积，对于面积将10 次所得到的值取平均，以此作为这一型号的标准数据。（ 2） 对该型号任一待测LCD,同样按照上述算法计算出其轮廓数和每个轮廓的面积。如果轮廓数与标准数据不同，则必定是不良品； 否则转下一步。（ 3） 由于数目相同时可能是短路。断路等多种缺陷同时发生，因此将轮廓面积逐个与标准数据比较，如果有短路。断路。孔洞和孤岛等缺陷，则必定存在某些轮廓与标准数据差异很大，故设
13、定适当阈值T,如果每个轮廓面积差值的绝对值都小于T,则判定为合格品，否则为不良品。根据上述算法和检测流程，选择了10 种不同型号的小型LCD,每种选取了20 个样品进行测试，这些样品包含无缺陷及有短路。断路。孔洞及孤岛缺陷的LCD,在总共200 个样品中，只有2 片误检，正确率达99%,对误检的LCD 进行分析，其误检主要是线路受到灰尘的污染所致。同时，采用基于图像配准再作差的模板匹配法对上面200 个样品进行测试，结果有9片误检，正确率95. 5%,误检主要因素是图像配准的偏差。可见该方法可以有效地检测出含有上述4 种缺陷的LCD?4 结论基于图像轮廓分析的LCD 线路缺陷检测方法与传统的基于图像配准的方法相比，由于避免了配准偏差带来的影响，因此提高了检测正确率。在轮廓分析过程中，对单像素轮廓采用基于深度优先搜索的方法，有效地提取了线路轮廓，并根据离散化的格林公式快速地计算出了轮廓面积。将待检测LCD 的线路轮廓信息与标准信息比较以判断是否存在缺陷，经验证，本文中的算法可以有效地检测出LCD 中的短路。断路。孔洞以及孤岛缺陷，在LCD 线路缺陷检测方面具有很好的应用前景。