一种用于显示面板缺陷检测的周期提取方法、装置及系统与流程

本发明涉及显示面板缺陷检测技术领域，具体而言，涉及一种用于显示面板缺陷检测的周期提取方法、装置及系统。

背景技术：

玻璃基板是生产tft-lcd(thinfilmtransistorliquidcrystaldisplay，薄膜晶体管液晶显示器)的重要原材料,在其生产过程中,由于各种原因,零部件不可避免会产生多种不同类型的缺陷,例如在印制电路板上出现划伤、孔错位、划伤、短路、断路、污染等缺陷,玻璃基板规则区域和滤光片表面含有针孔、划痕、颗粒、脏污和亮度不均匀等缺陷。这些缺陷不仅影响产品的性能，给生产厂家造成巨大经济损失，严重时甚至会危害到用户人身安全。所以产品的检测就显得尤为重要，对于玻璃基板这类显示面板，传统缺陷检测方法为人工目视检测法，但是此方法存在主观性强、人眼空间和时间分辨率有限、检测不确定性大、易产生歧义、效率低下等缺点，已很难满足现代工业高速、高分辨率的检测要求。

在显示面板检测领域，利用基于光学图像传感的表面缺陷自动光学(视觉)检测技术(automaticallyopticalinspection，aoi)取代人工目视检测表面缺陷，已逐渐成为表面缺陷检测的重要手段；在表面缺陷自动光学(视觉)检测技术中，对周期的分析提取往往采用自相关函数的方法，但自相关函数方法需要通过傅里叶变换把图像从时域变换到频域，此步骤耗时较长，影响显示面板缺陷检测的效率。

技术实现要素：

本发明解决的问题是如何提高显示面板缺陷检测的效率。

为解决上述问题，本发明提供一种用于显示面板缺陷检测的周期提取方法，包括：根据显示面板的周期特征确定周期特征点；根据所述周期特征点提取周期。

本发明所述的用于显示面板缺陷检测的周期提取方法，以周期特征点的方式进行切入来提取周期，通过以点代替周边区域，减少重复数据的计算，相比于自相关函数方法通过傅里叶变换把图像从时域变换到频域导致耗时较长而言，有效提高周期提取的效率，从而提高显示面板缺陷检测的效率。

可选地，所述根据显示面板的传感图像确定周期特征点包括：采用灰度变换放大所述传感图像中周期特征的对比度；通过灰度阈值分割周期特征区域；采用开运算分离所述周期特征区域中相连区域形成分离区域，从所述分离区域确定所述周期特征点。

本发明所述的用于显示面板缺陷检测的周期提取方法，采用灰度变换放大传感图像中周期特征的对比度，便于分割周期特征，以及通过灰度阈值分割周期特征区域，采用开运算分离周期特征区域中相连区域，以形成分离区域，有利于后续提取周期，从而有效提高周期提取的效率。

可选地，所述从所述分离区域确定所述周期特征点包括：根据预设筛选条件从所述分离区域筛选以确定所述周期特征点。

本发明所述的用于显示面板缺陷检测的周期提取方法，根据预设筛选条件从分离区域筛选以确定周期特征点，减少干扰点，提高周期提取的准确性。

可选地，所述根据所述周期特征点提取周期包括：从所述传感图像提取所述周期特征点的中心坐标，根据所述中心坐标分行排列所述周期特征点；从所述周期特征点中剔除异常特征点并补充缺失特征点；根据剔除所述异常特征点以及补充所述缺失特征点后的周期特征点中提取周期。

本发明所述的用于显示面板缺陷检测的周期提取方法，通过提取中心坐标，根据中心坐标分行排列周期特征点，并从周期特征点中剔除异常特征点并补充缺失特征点，根据剔除异常特征点以及补充缺失特征点后的周期特征点中提取周期，从而提高周期特征点的有序性，有利于提高周期提取的准确性。

可选地，所述根据所述中心坐标分行排列所述周期特征点包括：采用排序算法对所述中心坐标进行排序，以分行排列所述周期特征点。

本发明所述的用于显示面板缺陷检测的周期提取方法，采用排序算法对中心坐标进行排序，以分行排列周期特征点，从而提高周期特征点的有序性，有利于提高周期提取的准确性。

可选地，所述从所述周期特征点中剔除异常特征点并补充缺失特征点包括：统计所述周期特征点的间距分布，根据所述间距分布剔除所述异常特征点并补充所述缺失特征点。

本发明所述的用于显示面板缺陷检测的周期提取方法，通过统计周期特征点的间距分布，根据间距分布剔除异常特征点并补充缺失特征点，提高周期提取的准确性。

可选地，所述根据所述周期特征点提取周期还包括：确定所述传感图像中所述周期的提取范围，在所述提取范围内根据所述周期特征点提取所述周期。

本发明所述的用于显示面板缺陷检测的周期提取方法，通过确定周期的提取范围并在提取范围内提取周期，明确周期的提取范围，提高周期提取的准确率，从而有效提高周期提取的效率。

本发明还提供一种用于显示面板缺陷检测的周期提取装置，包括：确定模块，用于根据显示面板的周期特征确定周期特征点；提取模块，用于根据所述周期特征点提取周期。所述用于显示面板缺陷检测的周期提取装置与上述用于显示面板缺陷检测的周期提取方法相对于现有技术所具有的优势相同，在此不再赘述。

本发明还提供一种用于显示面板缺陷检测的周期提取系统，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的用于显示面板缺陷检测的周期提取方法。所述用于显示面板缺陷检测的周期提取系统与上述用于显示面板缺陷检测的周期提取方法相对于现有技术所具有的优势相同，在此不再赘述。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如上所述的用于显示面板缺陷检测的周期提取方法。所述计算机可读存储介质与上述用于显示面板缺陷检测的周期提取方法相对于现有技术所具有的优势相同，在此不再赘述。

附图说明

图1为本发明实施例的周期提取方法的示意图一；

图2为本发明实施例的周期提取方法的示意图二；

图3为本发明实施例的周期提取方法的示意图三；

图4为本发明实施例的周期提取方法的示意图四；

图5为本发明实施例的周期提取方法的示意图五；

图6为本发明实施例的周期提取方法的示意图六；

图7为本发明实施例的周期提取方法的示意图七；

图8为本发明实施例的灰度变换前的周期特征示意图；

图9为本发明实施例的灰度变换后的周期特征示意图；

图10为本发明实施例的通过灰度阈值处理后的周期特征示意图；

图11为本发明实施例的经过开运算后的周期特征示意图；

图12为本发明实施例的根据预设筛选条件筛选后的周期特征示意图；

图13为本发明实施例的乱序周期特征点示意图；

图14为本发明实施例的排序后的周期特征点示意图；

图15为本发明实施例的缺失特征点的示意图；

图16为本发明实施例的异常特征点的示意图；

图17为本发明实施例的确定周期的提取范围的示意图；

图18为本发明实施例的另一种周期特征示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

如图1所示，本发明实施例提供一种用于显示面板缺陷检测的周期提取方法，包括：根据显示面板的周期特征确定周期特征点；根据所述周期特征点提取周期。

具体地，在本实施例中，用于显示面板缺陷检测的周期提取方法包括：根据显示面板的传感图像确定周期特征点，传感图像指的是采用基于表面缺陷自动光学检测技术的光学照相机采集的显示面板的图像；根据周期特征点提取周期，通过提取周期后对周期单独检测，实现对显示面板的缺陷检测。周期特征指的是类似图8至图17中的形状，不同的产品结构不一样，还有可能是其他各种形状的，例如图18所示，周期特征包括狭缝形状的孔；周期特征点即图8至图17中分布的点，以图11为例，周期特征点以点阵形式周期分布；滤色器在显示面板上形成，滤色器具有在金属层中形成的透射图案，该透射图案包括多个具有周期的亚波长孔(即周期特征点)，通过利用表面等离子体选择性地透射特定波长的光来输出所希望的颜色的光。在显示面板检测领域，利用基于光学图像传感的表面缺陷自动光学(视觉)检测技术(automaticallyopticalinspection，aoi)取代人工目视检测表面缺陷，已逐渐成为表面缺陷检测的重要手段，因为这种方法具有自动化、非接触、速度快、精度高、稳定性高等优点。

显示面板上的ito(氧化铟锡)线路区域按照排布结构分区，一般分为周期区域和非周期区域，周期区域占显示面板绝大部分，非周期区域一般在周期区域周边分布，在缺陷检测时候会把周期和非周期区域分开检测，其中周期区域区域会把单个或多个周期提取出来进行单独检测。

目前显示面板尺寸已经从第一代线的300mm×400mm发展到如今第十代线的2850mm×3050mm，随着显示面板尺寸越来越大，检测精度越来越高，对aoi技术要求越来越高。由于高精度的要求，往往采用高放大倍率的光学成像系统，例如3.5倍、5倍等倍率，通过高放大倍率，显示面板微小的周期结构便可拍摄清晰，周期区域的检测往往会把单个或多个周期提取出来进行单独检测。在显示面板检测中，对周期的分析提取往往采用自相关函数的方法，但自相关函数方法需要通过傅里叶变换把图像从时域变换到频域，此步骤耗时较长，本实施例以周期特征点的方式进行切入来提取周期，通过以点代替周边区域，减少重复数据的计算，从而有效提高周期提取的效率。

在本实施例中，以周期特征点的方式进行切入来提取周期，通过以点代替周边区域，减少重复数据的计算，相比于自相关函数方法通过傅里叶变换把图像从时域变换到频域导致耗时较长而言，有效提高周期提取的效率。

可选地，所述根据显示面板的传感图像确定周期特征点包括：采用灰度变换放大所述传感图像中周期特征的对比度；通过灰度阈值分割周期特征区域；采用开运算分离所述周期特征区域中相连区域形成分离区域，从所述分离区域确定所述周期特征点。

具体地，在本实施例中，结合图2所示，根据显示面板的传感图像确定周期特征点包括：采用灰度变换放大传感图像中周期特征的对比度；通过灰度阈值分割周期特征区域；采用开运算分离周期特征区域中相连区域形成分离区域，从分离区域确定周期特征点。

结合图8和图9所示，分别为灰度变换前和灰度变换后的周期特征示意图，通过灰度变换放大周期特征的对比度，便于分割周期特征。

结合图10所示，通过灰度阈值分割周期特征区域，实现周期特征区域的初步分割，有利于后续提取周期，从而有效提高周期提取的效率。

结合图11所示，由于部分产品周期特征区域是相连的，增加开运算的步骤是为了分离相连区域，从而有利于后续提取周期。

在本实施例中，采用灰度变换放大传感图像中周期特征的对比度，便于分割周期特征，以及通过灰度阈值分割周期特征区域，采用开运算分离周期特征区域中相连区域，以形成分离区域，有利于后续提取周期，从而有效提高周期提取的效率，从而提高显示面板缺陷检测的效率。

可选地，所述从所述分离区域确定所述周期特征点包括：根据预设筛选条件从所述分离区域筛选以确定所述周期特征点。

具体地，在本实施例中，结合图3所示，从所述分离区域确定所述周期特征点包括：根据预设筛选条件从分离区域筛选以确定周期特征点。

结合图12所示，通过大小、圆度等属性筛选从而确定周期特征点，图12相较于图11少了一些小的干扰点，另外，筛选的属性除了大小(面积)、圆度，还包括但不限于区域宽度、区域高度、周长、凸性、孔数、最小外接圆半径、最小内接圆半径、最小外接矩形长度、最小外接矩形宽度等等。

在本实施例中，根据预设筛选条件从分离区域筛选以确定周期特征点，减少干扰点，提高周期提取的准确性。

可选地，所述根据所述周期特征点提取周期包括：从所述传感图像提取所述周期特征点的中心坐标，根据所述中心坐标分行排列所述周期特征点；从所述周期特征点中剔除异常特征点并补充缺失特征点；根据剔除所述异常特征点以及补充所述缺失特征点后的周期特征点中提取周期。

具体地，在本实施例中，结合图4所示，根据周期特征点提取周期包括：提取中心坐标，根据中心坐标分行排列周期特征点；从周期特征点中剔除异常特征点并补充缺失特征点；根据剔除异常特征点以及补充缺失特征点后的周期特征点中提取周期。

结合图13和图14所示，分别为乱序周期特征点示意图和排序后的周期特征点示意图，在图13和图14中，一个小圆代表一个特征点，每个特征点有其自身的图像坐标(x，y)，但是现在特征点的排序不是从左到右一行一列排列的，而是如图13所示的乱序排列，每个周期特征点都有编号，但编号具有无序性，因此需要根据中心坐标分行排列周期特征点，从而提高周期特征点的有序性，有利于提高周期提取的准确性。

结合图15和图16所示，分别为缺失特征点的示意图和异常特征点的示意图，框选部分分别为缺失特征点的示意位置和异常特征点的示意位置，缺失特征点和异常特征点在一般情况下仅占绝少部分，剔除异常特征点以及补充缺失特征点能够提高周期特征点的有序性。

在本实施例中，通过从传感图像提取周期特征点的中心坐标，根据中心坐标分行排列周期特征点，并从周期特征点中剔除异常特征点并补充缺失特征点，根据剔除异常特征点以及补充缺失特征点后的周期特征点中提取周期，从而提高周期特征点的有序性，有利于提高周期提取的准确性。

可选地，所述根据所述中心坐标分行排列所述周期特征点包括：采用排序算法对所述中心坐标进行排序，以分行排列所述周期特征点。

具体地，在本实施例中，结合图5、图13和图14所示，根据中心坐标分行排列周期特征点包括：采用排序算法对中心坐标进行排序，以分行排列周期特征点。

其中，提取特征点中心坐标，由于提取的坐标为乱序或者是连接在一起的，所以要把中心点坐标分行排列，类似一个二维数组，即经过排序算法后，如图14所示，特征点变成从左到右一行一列排序，且可以快速使用行序号和列序号进行定位，比如，需要定位第二行第五列的特征点，可以数组的提取方法，输入第几行第几列的索引进行提取。

在本实施例中，采用排序算法对中心坐标进行排序，以分行排列周期特征点，从而提高周期特征点的有序性，有利于提高周期提取的准确性。

可选地，所述从所述周期特征点中剔除异常特征点并补充缺失特征点包括：统计所述周期特征点的间距分布，根据所述间距分布剔除所述异常特征点并补充所述缺失特征点。

具体地，在本实施例中，结合图6所示，从周期特征点中剔除异常特征点并补充缺失特征点包括：统计周期特征点的间距分布，根据间距分布剔除异常特征点并补充缺失特征点。

结合图15和图16所示，分别为缺失特征点的示意图和异常特征点的示意图，框选部分分别为缺失特征点的示意位置和异常特征点的示意位置，缺失特征点和异常特征点在一般情况下仅占绝少部分，通过统计正常特征点的平均间距，设定间距阈值，在遍历每个特征点时就可以通过平均间距与间距阈值剔除异常特征点和补充缺失特征点。

其中，由于显示面板与相机采集方向存在一定角度，会造成边缘的特征点不足以组成一行或一列完整的特征点组的现象，所以也要进行边缘的特征点剔除。

在本实施例中，通过统计周期特征点的间距分布，根据间距分布剔除异常特征点并补充缺失特征点，提高周期提取的准确性。

可选地，所述根据所述周期特征点提取周期还包括：确定所述传感图像中所述周期的提取范围，在所述提取范围内根据所述周期特征点提取所述周期。

具体地，在本实施例中，结合图7所示，根据周期特征点提取周期还包括：确定传感图像中周期的提取范围，在提取范围内根据周期特征点提取周期。

结合图17所示，框选周期特征点的框为最小周期范围，但由于实际的图像处理可能需要的是更大面积的周期，那就需要按照倍数进行放大去提取周期；在确定周期的提取范围时，输入周期框选起点，根据计算出的横向周期长度与纵向周期长度乘以放大倍数，就可以得到周期终点坐标，从而确定周期的提取范围，从而在提取范围内提取需要的周期。

在本实施例中，通过确定周期的提取范围并在提取范围内提取周期，明确周期的提取范围，提高周期提取的准确率，从而有效提高周期提取的效率。

本发明另一实施例提供一种用于显示面板缺陷检测的周期提取装置，包括：确定模块，用于根据显示面板的周期特征确定周期特征点；提取模块，用于根据所述周期特征点提取周期。

本发明另一实施例提供一种用于显示面板缺陷检测的周期提取系统，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的用于显示面板缺陷检测的周期提取方法。

本发明另一实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如上所述的用于显示面板缺陷检测的周期提取方法。

虽然本发明公开披露如上，但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。