在TFT的制程中會造成許多不可避免的工藝缺陷,需要逐個判斷其對TFT電路所造成的影響,這種缺陷檢查方式需要大量人力且速度慢、精度低,因此,將人工識別替換成計算機(jī)自動化識別就顯得尤為重要。自動識別中的一個關(guān)鍵部分就是將TFT電路進(jìn)行定位。針對因缺陷顏色、形狀、位置、大小不固定等原因?qū)е卢F(xiàn)有圖像處理算法無法準(zhǔn)確定位出TFT電路位置的問題,本文提出基于自相關(guān)性和模版匹配的TFT電路圖像重構(gòu)算法。首先,對全自動光學(xué)檢測(AOI)相機(jī)采集的缺陷圖片進(jìn)行區(qū)域提取,估算出偏角并校正圖像;根據(jù)邊緣圖像的灰度垂直響應(yīng)的自相關(guān)估計函數(shù)來估算電路的重復(fù)周期,再由周期灰度均值來確定一組的電路縱貫線位置,利用TFT電路周期特征重構(gòu)出其余縱貫線;通過角模版匹配算法重構(gòu)TFT電路硅島部分。實驗結(jié)果表明,本文提出的算法能夠重構(gòu)出被缺陷遮擋、圖片模糊、電路缺失等情況下的電路,定位準(zhǔn)確率達(dá)96%以上�；緷M足TFT缺陷自動化識別中的電路定位要求。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1提取目標(biāo)區(qū)域

AOI相機(jī)采集的缺陷圖片會在圖片的下方打上產(chǎn)品批次、拍攝時間等信息，需要將這些高度不一的文字區(qū)域剔除，避免這些冗余信息對后續(xù)模版分割造成影響，圖1(a）為AOI相機(jī)采集的原始圖像。首先將RGB圖像轉(zhuǎn)換成灰度圖像。計算公式如下：

圖2圖像校正過程

其中圖片大小為W×H，灰度值小于閾值的像素個數(shù)記為前景像素個數(shù)N0，反之記為背景像素個數(shù)N1。μ為圖像的平均灰度。w0與w1分別是N0與N1和W×H的比值。μ0、μ1為前景與背景的平均灰度。閾值遍歷0～255，得到使方差g最大的閾值。再將二值圖像經(jīng)過膨脹卷積算子與原來的二值圖像做....

圖3縱貫線位置估計

其中G為原圖像灰度值的分布。在相鄰像素中插入一個新像素點(diǎn)，其灰度值為相鄰像素的灰度均值。接著將引入了坐標(biāo)浮點(diǎn)數(shù)的灰度圖像每隔0.5個像素采樣一次進(jìn)行卷積，計算得出的序列按周期劃分為若干個子序列，劃分子序列時出現(xiàn)的小數(shù)部分四舍五入到最近整數(shù)位置。將這些子序列按周期進(jìn)行疊加并取均值，....

圖4缺陷影響電路的若干情況

由于缺陷的存在以及圖像尺寸的約束使得圖像中的電路硅島極易受到遮擋，但是絕大部分的圖像中都還存在部分完整的電路硅島角。針對這一特征，本文設(shè)計了一種角模版匹配算法，使用部分未被影響的硅島角來確定電路硅島部件位置，分別使用電路硅島的6個角來進(jìn)行匹配，6個角模版包括2個直角，4個135°....

本文編號：3972514