液晶面板制程缺陷检测方法(T-SCBDIF 002—2023).pdf

《液晶面板制程缺陷检测方法(T-SCBDIF 002—2023).pdf》由会员分享，可在线阅读，更多相关《液晶面板制程缺陷检测方法(T-SCBDIF 002—2023).pdf（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、T/SCBDIF 002-20231ICS 35.80L 77T/SCBDIF中 华 人 民 共 和 国 团 体 标 准T/SCBDIF 002-2023液晶面板制程 缺陷检测方法2023-08-30 发布2023-08-30 实施四川省大数据产业联合会 发布T/SCBDIF 002-20232目录：前言.3引言.4液晶面板制程缺陷检测方法.51 范围.52 规范性引用文件.53 术语和定义.64 方法原理.8T/SCBDIF 002-20233前言本标准按照GB/T 1.1-2009 给出的规则起草。本标准由四川大数据产业联合会提出并归口。本标准起草单位：成都数之联科技股份有限公司、四川省大

2、数据产业联合会、成都新型显示行业协会、厦门天马微电子有限公司、四川虹微技术有限公司、成都路维光电有限公司、成都路维光电科技有限公司。本标准主要起草人：傅彦、周俊临、方育柯、孙崇敬、崔爱香、朱小军、罗紫云、陈昕、杨俊宇、陈一汶，黄艺端、赵艺、梁应龙、郑宇辰、周荣梵、刘单、杨发孟。本标准首次发布。本文件内容所涉及专利，本文件的发布机构不承担识别这些专利的责任。T/SCBDIF 002-20234引言液晶面板制程是指液晶显示器的核心部件液晶面板的生产过程，涉及到多种复杂的技术和工艺，如薄膜沉积、光刻曝光、蚀刻剥膜、配向摩擦、胶合贴合、切割分选等。液晶面板制程的质量和效率直接影响到液晶显示器的性能和成

3、本，是液晶显示行业的核心竞争力之一。液晶面板制程缺陷检测是指对液晶面板在生产过程中产生的各种缺陷进行识别和分类的技术和方法，包括点缺陷、线缺陷、Mura 缺陷、crack 缺陷、broken 缺陷、chip 缺陷、scratch 缺陷、burr 缺陷、drop 缺陷等。这些缺陷会影响液晶面板的显示效果和可靠性，导致产品不良率增加和客户投诉增多。目前液晶面板制程缺陷检测的主要方式是人工视觉检测和机器视觉检测。其中，机器视觉检测是指通过相机或传感器采集液晶面板的图像或信号，利用计算机软件进行图像处理和分析，自动识别出缺陷并给出评价结果。这种方式的优点是效率高，准确性高，可以实现检测的标准化和数字化

4、；缺点是灵活性低，需要针对不同的产品和工艺进行专门的设计和调试，难以适应多变的生产需求。为了规范和统一液晶面板制程缺陷检测的技术标准和方法，提高液晶面板的质量和可靠性，降低生产成本和浪费，促进液晶面板行业的发展和创新，特制定本标准。T/SCBDIF 002-20235液晶面板制程 缺陷检测方法1 范围本标准规定了一种液晶面板制程缺陷检测方法。本标准用于以玻璃基板、硅晶圆等为构造基础的显示液晶面板的制造工艺中，在不同检测阶段均可适用。2 规范性引用文件下列文件中的内容通过文中的规范性引用而构成本标准必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本标准；不注日期的引用文件，其最新

5、版本（包括所有的修改单）适用于本标准。GB/T 18910.1-2002 液晶和固态显示器件 第 1 部分：总规范GB/T 17212-1998 工业过程测量和控制 术语和定义数码摄影讲义黑龙江科学技术出版社，2006.08，李继强 非 量 测 数 码 相 机 成 像 性 能 测 定 方 法 研 究.影 像 技 术，2010(5)，祝鹏飞,冯伍法,张斌,等数学名词.张家口师专学报(自然科学版)(6 期)，苏柏山自适应直方图均衡化算法在图像增强处理的应用.河北北方学院学报：自然科学版,2010,毛本清,金小梅基于 CatmullRom 插值算法的二维图像的三维显示.计算机技术与发展,2007，叶

6、家鸣,钱萌,程树林3 定义和术语3.1T/SCBDIF 002-20236GB/T 17212-1998 工业过程测量和控制 术语和定义算法 algorithm按一定步数解题的一组明确规定的法则。参数描述给定系统内各变量关系的量。3.2数学名词.张家口师专学报(自然科学版)(6 期)，苏柏山(自然科学版)(6 期):69-692023-08-29回归样条算法为了避免由于自适应直方图均衡化产生的不连续和过渡增强，引入的了一种限制直方图分布的办法。和原本的直方图均衡主要有如下改进，对于原图像的直方图，设定一个阈值，假定直方图某个灰度级超过了阈值，就对其进行裁剪，然后将超出阈值的部分平均分配到各个灰

7、度级。将使得映射函数的结果变得比较平缓。将图像进行分块处理后，若每块中的像素点仅仅通过该块中的映射函数进行变换，则会导致最终图像呈块状效应。3.3数码摄影讲义黑龙江科学技术出版社，2006.08，李继强，2006.08：第 52 页分辨率：像素密度单位 Pixels Per Inch每英寸所拥有的像素数量。3.4非量测数码相机成像性能测定方法研究.影像技术，T/SCBDIF 002-202372010(5)，祝鹏飞,冯伍法,张斌,等，2010(5):4.DOI:10.3969/j.issn.1001-0270.2010.05.006.灰度曲线：gray curve图像直方图表明图像中含有的每个

8、灰度的像素点的数目。3.4自适应直方图均衡化算法在图像增强处理的应用.河北北方学 院 学 报：自 然 科 学 版,2010,毛 本 清,金 小 梅，26(5):5.DOI:10.3969/j.issn.1673-1492.2010.05.015.直方图均衡方法：使用直方图均衡化使图像的灰度级范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到图像增强的目的。自适应直方图均衡，对于原图像的直方图，设定一个阈值，假定直方图某个灰度超过阈值，就对之进行裁剪，然后将超出阈值的部分平均分配到各个灰度级。3.5基于 CatmullRom 插值算法的二维图像的三维显示.计算机技术与发展,2007，

9、叶家鸣,钱萌,程树林catmull-rom样条曲线是分段连续的三次多项式曲线，在局部对给定的数据点及其切向量作了插值。3.6GB/T 18910.1-2002 液晶和固态显示器件 第 1 部分：总规范液晶 liquid crystal在一定的条件下，具有液体的流动性和晶体的各向异性的一种T/SCBDIF 002-20238化合物材料。4 方法原理步骤为：4.1获取样本获取样本液晶面板图片，图片分辨率大于 2k2k，以及对应的灰度曲线、制程数据和设备数据，设备数据包括相机相关参数；获取样本液晶面板图片对应的灰度分布数据，根据分布数据获得两个锚点，将灰度分布数据分为 0120、120160 和 1

10、60225 三段，然后根据样条回归算法和锚点对灰度分布数据进行拟合，分布数据范围根据实际制程的图像像素的灰度曲线统计得到，一张制程的图T/SCBDIF 002-20239像像素的 60%的图像像素值集中在 120160 段，图像信息比较丰富。4.2样本增强根据拟合曲线对灰度分布数据进行增强，并记录对应的增强参数，增强方法选择使用限制的对比度自适应直方图均衡方法，其增强流程如下：4.2.1 计算灰度的分布，统计图片上的像素值分布，像素值范围为（0，255），找到需要重点增强的灰度范围即灰度比较集中的范围，范围为(x1,x2)，记录在像素值的直方图上呈现“高峰”的区域和峰值的像素值 p；在灰度分布

11、过于集中或分散的情况下调整增强范围的选取，即确定了峰值像素后，根据峰值的像素点数量情况进行调整，调整方式包括但不限于：4.2.1.1 在 峰 值 像 素 数 量 大 于 70000 时 比 例 取 0.01，得 到(p(1-0.01),p(1+0.01)的像素范围的，在峰值像素数量小于 30000时比例取 0.2，在 70000 和 30000 之间的比例取 0.1，峰值像素数量和比例由多次实验得到，该参数样本增强效果较好；4.2.2 根据制程计算合适的增强参数，对于不同制程和产品需要确定不同的均衡参数，其参数是后续 catmull-rom 算法计算过程使用的采样点，找到至少一个一组合适的采样

12、点来平滑像素的分布情况起到增强图片的效果，具体过程包括但不限于：4.2.2.1 得到(p,x1,x2)三个结果后，确定 a=p-x1,b=p+x2 和 c=(255-b)/2-10 三个变量，选择两组点（0,int(aT/SCBDIF 002-202310*0.6),a,b,b+c,255；0,int(a*0.2),85,170,min(170+c,220),255）作为采样点，应用在 catmull-roms 算法中计算平滑的曲线平面，变量和采样点数据由多次实验得到，该参数样本增强效果较好；4.2.3 取得平滑的曲线平面参数后，使用曲线平面参数将原像素值映射为新像素值，新像素值组成增强后的图

13、片。4.3获取检测对象获取待检测液晶面板图片，获得对应的分辨率，根据分辨率对该图片进行缩放，优选缩放到 500500 大小，获得对应的缩略图以及缩略图对应的灰度曲线，以及其对应的制程数据和设备数据。4.4匹配将待检测液晶面板图片对应的灰度曲线和样本液晶面板图片的灰度曲线进行匹配，采用最近邻匹配方法，通过如下步骤进行分类：4.4.1 计算待检测液晶面板和样本的灰度曲线；4.4.2 计算待检测液晶面板和样本灰度曲线之间的相似度，使用对齐之后的 y 坐标相减的绝对值的和；4.4.3 根据最近邻原则从样本中选择匹配最近的样本的增强参数作为待测样本的参数。4.5检测对象增强匹配成功，对待检测液晶面板图片进行样本液晶面板图片同增T/SCBDIF 002-202311强参数的灰度增强，增强方法和 4.2 一致。4.6判定对灰度增强后的待检测液晶面板图片进行缺陷判定，缺陷判定分类依靠缺陷的形态、大小、位置等综合进行判断；具体过程包括但不限于：4.6.1 AI 检测算法得到缺陷类别，外接框等信息；4.6.2 根据大小、其他类别的位置关系或者所处的背景位置进行图像形态操作判断严重程度；4.6.3 根据业务逻辑对判断的类别进行重新映射分类。