服務(wù)熱線
13810233784
如何使用影像亮度色度計(jì)進(jìn)行 FPD 自動光學(xué)檢測
在產(chǎn)線上及產(chǎn)線的zui終檢測中，主要有三種方法可對高速生產(chǎn)過程中的平板顯示屏 （FPD） 進(jìn)行光學(xué)檢測：
1） 人工檢測 —— 輕松處理比較復(fù)雜的測試要求。但與電子測試方法相比，它相對緩慢，變化較大
2） 基于機(jī)器視覺的檢測 —— 非?？旖?，測試簡單。但很多測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 —— 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”，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，可以評估 FPD 的亮度、色彩均勻度和對比度，并識別 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，包括對光線和色彩均勻度 （以及不均勻性 ）的感知。
在本文中，我們將描述如何在全自動測試系統(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)境中識別和量化缺陷。本文內(nèi)容涵蓋測試設(shè)置，以及可以執(zhí)行的測試范圍 – 從簡單的點(diǎn)缺陷檢測到復(fù)雜的 Mura檢測和評估。
測量挑戰(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)測量亮度、色彩及其空間關(guān)系。測試時(shí)，系統(tǒng)會生成數(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比度性能。此外，還可對均勻度差異進(jìn)行分析，以識別和定位潛在的顯示屏缺陷。顯示屏測量和分析面臨的三大重要挑戰(zhàn)是：
1） 識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 – 例如廢棄顯示屏或返回進(jìn)行修理 – 從而提高質(zhì)量測試的效率，還可以降低成本。與人工視覺檢測相比，使用影像亮度色度計(jì)的測試更加快捷和靈活，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)使得這種測試方法非常適用于評估視覺性能。
測量組件和測試
通過適當(dāng)?shù)淖詣訙y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。對于典型測試序列，此類測量數(shù)據(jù)通常可在幾秒鐘至一分鐘之內(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)行顯示屏的自動測量和分析，需要使用組合測量控制和分析軟件。我們針對此應(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） 科研級影像亮度色度計(jì)系統(tǒng)；（2） 基于 PC 的測量控制軟件，它不僅控制影像亮度色度計(jì)，還控制待測試設(shè)備上的測試影像顯示；以及 （3） 一套能夠運(yùn)行各種測試的影響分析函數(shù)。因此，該系統(tǒng)可針對各種顯示屏缺陷 （例如點(diǎn)缺陷、線缺陷和 Mura）提供量化自動檢測。
實(shí)施的部分測試包括：
圖 1. FPD AOI 測試設(shè)置，影像亮度色度計(jì)處在自動軟件控制下
顯示屏缺陷檢測應(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，演示這些缺陷檢測和分類方法。圖 2 顯示了存在行缺陷的顯示屏的光學(xué)測量，分析軟件在顯示屏影像上識別和指示這個(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)測量。 圖 3.行缺陷是由影像亮度色度計(jì) AOI 軟件識別的；屏幕上為用戶指明了缺陷位置。
圖 2.存在可視行缺陷的顯示屏屏幕的光學(xué)測量。 圖 3.行缺陷是由影像亮度色度計(jì) AOI 軟件識別的；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)測量；分析軟件在顯示屏影像上識別和指示這個(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)以識別故障原因。
圖 4.存在點(diǎn)缺陷的顯示屏的光學(xué)測量 – 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)亮度和色彩對比度超過了可感知的閾值，則表示檢測出 Mura。但是，由于人工感知這些對比度取決于多個(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比度的簡單值，來識別相關(guān) Mura。
在對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比度，JND 值為 1，表示*個(gè)可察覺空間對比度 – 這樣就能針對各種顯示屏技術(shù)對顯示缺陷進(jìn)行分級。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。
圖 6 顯示了存在 Mura缺陷的顯示屏，經(jīng)過分析后，我們在顯示屏影像上識別了該缺陷，如圖 7 所示。
圖 6.對存在 Mura缺陷的顯示屏進(jìn)行影像亮度色度計(jì)測 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 軟件在顯示屏上識別的。它的范圍與 JND 值一同顯示。
圖 8 和圖 9 顯示了識別 Mura的步驟。作為中間步驟，它會生成一個(gè)差異影像，顯示相對于參考影像的亮度偏差。然后計(jì)算顯示屏的 JND 映射。請注意，圖 7 所示的 Mura測試有意忽略了 JND 影像中的明顯邊緣效應(yīng)。這些效應(yīng)可以簡單地單獨(dú)識別和分類。
圖 6.對存在 Mura缺陷的顯示屏進(jìn)行影像亮度色度計(jì)測 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 軟件在顯示屏上識別的。它的范圍與 JND 值一同顯示。
圖 8 和圖 9 顯示了識別 Mura的步驟。作為中間步驟，它會生成一個(gè)差異影像，顯示相對于參考影像的亮度偏差。然后計(jì)算顯示屏的 JND 映射。請注意，圖 7 所示的 Mura測試有意忽略了 JND 影像中的明顯邊緣效應(yīng)。這些效應(yīng)可以簡單地單獨(dú)識別和分類。
識別 Mura缺陷并不是基于各區(qū)域之間的對比度計(jì)算的簡單數(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)識為較大的 JND 值。
圖 8.差異圖片顯示了相對于計(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)識為較大的 JND 值。
基于影像亮度色度計(jì)的 AOI 測試系統(tǒng)可以快速可靠地識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。很多情況下，例如圖 3 所示的行缺陷，識別的缺陷及其起因之間存在一對一關(guān)系。在這些情況下，我們可以即時(shí)對缺陷進(jìn)行分類，而且無需人工檢測。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?？梢栽谌斯づ袛嗷A(chǔ)上進(jìn)行加速，例如專門針對需要分類的缺陷，以及提供適當(dāng)?shù)募?xì)節(jié)。
對于圖 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)測量，能夠通過數(shù)字方式標(biāo)識缺陷特征，因而不僅可以識別顯示屏缺陷，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)用中對顯示屏進(jìn)行*測量，并根據(jù)用戶定義的標(biāo)準(zhǔn)，自動確定顯示屏是否通過測試。更加重要的是，它還可以自動確定修補(bǔ)措施 （例如返工或廢棄 ）。
