面向TFT-LCD制程的Mura缺陷机器视觉检测方法：创新与突破.docxVIP

面向TFT-LCD制程的Mura缺陷机器视觉检测方法：创新与突破

一、引言

1.1研究背景与意义

在当今数字化时代，显示技术已成为人们生活和工作中不可或缺的部分。薄膜晶体管液晶显示器（ThinFilmTransistorLiquidCrystalDisplay，TFT-LCD）凭借其高分辨率、低能耗、轻薄便携等显著优势，被广泛应用于智能手机、平板电脑、笔记本电脑、电视以及车载显示、工业控制、医疗设备等众多领域。随着科技的不断进步和消费者对显示质量要求的日益提高，TFT-LCD的市场需求持续增长，同时对其显示质量也提出了更为严苛的标准。

然而，在TFT-LCD的生产制程中，不可避免地会出现各种缺陷，其中Mura缺陷是最为常见且棘手的问题之一。Mura缺陷源于日语，意为“斑纹”或“不均匀”，在TFT-LCD中表现为屏幕上出现的非预期的亮度或色度不均匀区域，其形态多样，如云雾状、条带状、斑点状等。这种缺陷严重影响了显示画面的均匀性和一致性，导致图像显示效果变差，极大地降低了用户的视觉体验。在高端显示应用场景中，如高端智能手机、专业绘图显示器、医疗影像诊断设备等，即使是极其微小的Mura缺陷也可能被用户察觉，从而影响产品的品质和市场竞争力。

传统的TFT-LCDMura缺陷检测方法主要依赖人工视觉检查。检测人员在特定的光照条件下，凭借肉眼对显示屏进行逐一观察，判断是否存在Mura缺陷以及缺陷的类型和程度。这种方法虽然具有一定的灵活性，能够根据经验对复杂的缺陷情况进行判断，但存在着诸多明显的弊端。一方面，人工检测效率低下，难以满足大规模工业化生产的需求。在高速的生产线上，人工检测的速度远远跟不上产品的产出速度，容易造成生产瓶颈，增加生产成本。另一方面，人工检测的准确性和可靠性受到检测人员的主观因素影响较大，如疲劳、情绪、经验水平等。不同检测人员之间的判断标准可能存在差异，同一检测人员在不同时间的检测结果也可能不一致，这就导致了检测结果的不确定性，容易出现漏检和误检的情况，从而影响产品质量的稳定性。

为了解决传统人工检测方法的不足，提高TFT-LCDMura缺陷检测的效率和准确性，机器视觉检测方法应运而生。机器视觉技术是一门涉及光学、电子学、计算机科学等多学科领域的综合性技术，它通过图像采集设备获取物体的图像信息，然后利用计算机对图像进行处理、分析和理解，从而实现对物体的检测、识别、测量和定位等功能。在TFT-LCDMura缺陷检测中，机器视觉检测方法具有以下显著优势：首先，机器视觉检测系统能够快速、准确地对大量的显示屏进行检测，检测速度可以达到生产线的速度要求，大大提高了检测效率，满足了工业化生产的需求。其次，机器视觉检测方法基于客观的算法和模型进行缺陷判断，不受主观因素的影响，检测结果具有高度的一致性和可靠性，能够有效降低漏检和误检率，提高产品质量。此外，机器视觉检测系统还可以实现对缺陷的量化分析，如缺陷的面积、位置、形状等参数的测量，为后续的生产工艺改进和质量控制提供了准确的数据支持。

因此，开展面向TFT-LCD制程的Mura缺陷机器视觉检测方法研究具有重要的现实意义和应用价值。通过深入研究机器视觉检测技术在TFT-LCDMura缺陷检测中的应用，开发出高效、准确、可靠的检测系统，不仅能够提高TFT-LCD的生产质量和生产效率，降低生产成本，增强企业的市场竞争力，还能够推动整个显示产业的技术进步和发展，为满足人们日益增长的高品质显示需求提供有力的技术保障。

1.2国内外研究现状

国外在TFT-LCD制程Mura缺陷机器视觉检测方法的研究起步较早，取得了一系列具有代表性的成果。早在1991年，Pratt等人便投身于屏幕表面Mura缺陷的研究，并于1998年首次提出了Muralook算法。该算法采用传统图像处理方法，将检测、量化和分类功能集于一身，能够对Mura缺陷进行初步的分析和处理。然而，由于该算法的鲁棒性不足，对不同产品和生产环境的适应性较差，难以实现不同产品的工业化检测。此后，众多学者和研究机构围绕提高Mura缺陷检测的准确性和鲁棒性展开了深入研究。

在基于传统图像处理的方法方面，一些研究通过改进图像滤波、增强和分割算法来提高对Mura缺陷的检测能力。例如，利用高斯滤波、中值滤波等方法对采集到的图像进行预处理，去除噪声干扰，增强图像的清晰度；采用边缘检测、阈值分割等算法对图像中的缺陷区域进行提取和分割，从而实现对Mura缺陷的检测。然而，这些传统方法在处理复杂背景和低对比度的Mura缺陷时，往往存在检测精度不高、易受噪声影响等问题。

随着深度学习技术的迅速发展，其在TFT-LCDMura缺陷检测