大尺寸液晶面板获取精准缺陷坐标的研究与应用.docxVIP

? ? 大尺寸液晶面板获取精准缺陷坐标的研究与应用 ? ? 张 俊，朱忠发，周 进，刘 成，索金亮，王 彬，黄助兵 （合肥京东方显示技术有限公司，安徽 合肥 230012） 1 引 言 薄膜晶体管液晶显示器（Thin Film Transis?tor Liquid Crystal Display，TFT-LCD）在生产制造中会产生各种类型的缺陷，如亮点、暗点、线缺陷、Particle Gap（由异物产生的晕开缺陷）、Mura（画面显示不均的缺陷）、显示异常、气泡等［1-3］，其中，部分特定缺陷如亮点、线缺陷、Particle Gap可以通过维修进行修复以提升缺陷液晶面板的品质等级［4-8］。成盒后的液晶面板在液晶盒（Cell）检测站点进行检测以挑出有缺陷的液晶面板，其中可维修的液晶面板在维修之前，需提供缺陷精确坐标，而且提供缺陷精确坐标是可以实现自动维修的前提。 随着高世代线液晶面板的不断推出，液晶面板尺寸越来越大，分辨率不断提高，生产制造过程中对检测缺陷的准确度和速度要求也越来越高。目前，检测液晶面板缺陷的方法主要有人工视觉检测法、电学参数检测法和自动光学检测法，且自动光学检测法以其面板缺陷检测准确率髙，速度快，且是非接触检测的优点，已成为研究的热点［9-26］。Oh等人将方向滤波器组（Directional Filter Banks，DFB）和自适应多级阈值相结合，通过线扫描和面扫描获取不同分辨率的显示面板图像，采用DFB实现低分辨率图像的检测，将自适应多级阈值检测算法用于高分辨率图像检测［25］。欧先锋等提出一种基于全卷积神经网络结构的端对端快速TFT-LCD表面缺陷检测算法，利用深度学习强大的学习能力对缺陷点与非缺陷点进行像素级分类，在检测率、误检率以及时效性上都取得了显著效果［26］。但是，虽然液晶面板的缺陷检测方法得到了广泛的研究和应用，缺陷检测越来越准确，对于成盒后液晶面板缺陷的精准定位却很少提及。马岭等采用设计的自动分割与定位预处理软件将高分辨率图像划分成适于卷积神经网络学习的图像子块，并根据模型对图像子块判定类别和定位坐标，同时获取多类型缺陷检测结果［27］，但此方法只适用于缺陷的检出和定位缺陷区域块，不能获取缺陷的精确坐标。目前，在液晶面板生产工厂中，液晶盒（Cell）检测站点传统的寻找缺陷坐标方案主要有两种： 第一种方案是人工视觉检测确认缺陷坐标。通过检测装置点灯检测出缺陷后，人工手动调整液晶面板自身显示的十字光标到缺陷位置，再通过人眼观察确认十字光标与缺陷是否重合来确认缺陷的坐标。但是在液晶面板越来越大、分辨率不断提高的趋势下，以某款1 651 mm(65 in)超高清（Ultra High Definition，UHD，分辨 率：3 840×2 160 PPI）产品为例，1 440 mm宽的显示屏上单个亚像素的宽度只有127 μm，人工视觉确认坐标存在3个方面缺点：一是人员寻找缺陷速度慢，效率低，不能满足高速运行的自动化产线要求。二是人员确定缺陷坐标的精度差，人眼观察微米级别的缺陷，确认坐标偏差概率很高，会导致上传系统的缺陷坐标数值不准确，严重影响维修过程中缺陷位置查找和维修效率。而且如果维修时在上传缺陷坐标位置查找不到缺陷点的情况下，会将液晶面板进行再次点灯检测来重新上传缺陷坐标，浪费人力和物力。三是人员劳动强度大，工作环境会影响人员确认缺陷坐标的稳定性，导致坐标出现偏差。目前人工视觉方法只适用于小尺寸、低分辨率液晶面板的缺陷坐标寻找。 第二种方案是自动光学检测确认缺陷坐标。首先，自动光学检查机拍照并判断出液晶面板存在缺陷，然后计算缺陷在图片中的位置，最后通过图片与液晶面板显示区域长宽比例换算出缺陷在实际液晶面板的坐标。但此种方法适用于小尺寸、无形变液晶面板的缺陷坐标快速自动定位，在高世代线液晶面板制造中，液晶面板尺寸较大，未贴附偏光片的液晶面板竖直放置在检测机台上进行自动光学检查机检测，液晶面板在前后方向会有一定的弯曲形变，越靠近中心，前后弯曲的形变量越大，此种通过图片比例计算的方法来确定缺陷实际坐标不够精确，无法保证坐标精度。而且液晶面板尺寸越大，形变量越大，通过图片比例换算得到的缺陷坐标误差就越大，无法满足缺陷维修坐标精度的要求。因此，自动光学检测确认缺陷坐标的方法无法在企业大尺寸液晶面板精准获取缺陷坐标工艺上得到应用。 因为液晶面板尺寸较大、分辨率高，在检测机台上会发生形变等问题，传统人工视觉或自动光学检测寻找缺陷坐标法存在效率低、精度差等缺点，难以满足企业当前的生产需求。H公司在量产初期缺陷发生率较高，如果因人工视觉或自动光学检测寻找缺陷坐标方式的坐标误差导致维修失败，每年损失可达数千万元。同时，在智能制造的大环境下，高世代线大尺寸液晶面板的制造领域自动化程度越来越高，利用智能缺陷