隨著新一代信息通信技術的迅猛發展，作為終端設備的智能手機、平板電腦、智能家居等產品的市場需求持續增長，液晶面板生產規模急劇增大，成為信息產業中的支柱之一。 ? 液晶面板行業的崛起，帶動面板質檢需求的暴增。 ? 傳統的缺陷檢測主要由人眼辨別，這給企業把控生產質量和提高生產效率，帶來巨大困難。有鑒于此，采用一種新型的面板質量檢測方式來代替人工檢測是亟待解決的技術問題。 ?

?

? 01?液晶面板缺陷由來 ? ?

薄膜顯晶體管液晶顯示器（TFT-LCD）具有高分辨率和功耗低等優點，因此被廣泛應用于顯示器行業。 ? 但是顯示屏的生產過程流程多、環境等因素，難以避免會出現缺陷顯示屏，導致產品不良率較高。TFT-LCD顯示屏的制作包括鍍膜、刻蝕、顯影、面板組合、灌晶封口和安裝驅動芯片等工藝，復雜的工序導致缺陷的出現，常見的缺陷包括點缺陷，線缺陷和Mura缺陷。 ? “Mura”一詞來源于日語，譯為斑點、臟污，也被稱為“云斑”，是顯示缺陷中最難檢測的缺陷之一。傳統的Mura檢測方法是通過人工視覺檢查的方式實現的，主要采用裸眼辨別的方法。此方法效率低下，并且容易造成視覺疲勞，從而導致結果正確率降低。 ? 基于機器視覺的液晶面板檢測，可實現對液晶面板的各個生產工藝產生的缺陷進行檢測，包括Array（陣列）工藝，CF（彩膜）工藝，CELL（成盒）工藝，Module（模組）工藝，可實現對crack（裂紋），broken（破損），chip（崩邊），scratch（劃痕），burr（毛刺），drop（水滴）等缺陷的有效檢測區分。 ?

? 02?液晶面板檢測難點 ? ?

產品面積大產能高，人工無法做到每張都檢測，存在漏檢風險

液晶面板未切割前通常面積很大，以10.5代線為例，整張面板面積可達到3370mm*2940mm，人工檢測難度極大、易疲勞，采用人工檢測不能保證產能及準確性。

面板缺陷極易導致產品出現破碎

液晶面板生產過程中會概率性出現崩邊、破損、裂紋、劃痕等缺陷，如不及時發現并加以處理，進入下道生產工序主設備，可能會在生產過程中在設備內部發生玻璃破碎現象，從而必須進行主設備停機檢修清理，導致停產經濟損失。

缺陷出現的位置、類型無法統計歸納分析，無法做到數字化

人工檢測無圖片影像資料記錄，檢測標準一致性差,無法進行產品追溯。

招工難度大，人力成本高

隨著人均工資水平不斷提高，用人成本也逐年升高，且招工難度大、人員流動性大。且人工檢測對于眼睛的傷害比較大，導致人員的流動性大，招工有一定的困難。

03?液晶面板檢測方法 ? ?

近年來，許多基于計算機視覺的面板缺陷檢測系統不斷涌現，但各廠商利用的缺陷檢測算法基本上都是比較傳統的視覺方法。但是隨著生產工藝不斷進步，檢測要求隨之提高，檢測精度要求也在不斷增加，對算法的實時性要求也大大提高。 ? 隨著深度學習的興起，對于這種難以檢測的缺陷，我們利用卷積神經網絡（CNN）進行屏幕缺陷的檢測。 ? 對于檢測問題，現有的目標檢測算法有很多，可以實現較高精度和實時性的檢測，有效對液晶面板瑕疵進行識別和分類——實現針對崩邊、裂紋、臟污、水滴、劃痕等缺陷檢測，并與主生產設備對接，檢測到缺陷后根據缺陷的類型自動做出反饋判斷：停機或報警，現場無需工作人員實時監控。 ?

增效率

深度學習算法可以更精準的識別出崩邊等生產隱患，即杜絕由于玻璃碎片導致的產線停機，也杜絕識別錯誤帶來的誤報警，從而提升生產效率。

降成本

避免由于玻璃破碎造成的設備損壞，降低設備停機導致的誤工成本，也降低了設備的維修成本。

升品質

減少由于表面的劃痕、臟污影響電路生產、液晶成像，導致產品品質問題。

提工藝

通過質檢數字化，提升數據溯源分析能力，對于提高生產工藝提供有力保障。

液晶屏幕外觀缺陷檢測方案

? 采用線陣相機、鏡頭，根據檢測需求項，選擇搭配背光源、同軸光或高亮線光源對液晶面板圖像進行采集，在掃描圖片的過程中，智能算法同時處理圖像，實時顯示面板的缺陷信息，判斷表面是否有異物、劃傷、異色、凸包、凹痕、針孔、毛邊、亮點，對于有缺陷的玻璃，實時聯動主設備進行停止等相關操作，防止在生產過程中因玻璃碎裂導致主設備停機。 ?

機器視覺檢測流程設計： ? ?

1、將產品打開成180°，將LCD屏水平放置在載物臺上； ? 2、開始檢測：載物臺移動，相機開始采集圖像； ? 3、采集結束后，載物臺復位； ? 4、檢測軟件：分析LCD屏質量情況； ? 5、根據分析結果給出產品的OK、NG評判結果； ? 6、操作員：根據結果進行分倉操作和復檢操作；

A)視覺檢測異常之黑點

? B)視覺檢測異常之異物

? C)視覺檢測異常之劃傷

? D)視覺檢測異常之氣泡

? E)視覺檢測異常之異物

編輯：黃飛

?