[[alternative]]A study of Mura defect detection on LCD panels

碩士[[abstract]] 薄膜液晶螢幕顯示器為現今主流的數位設備輸出顯示所使用的介面，因為它輕薄、消耗功率低、解析度強、等等優點，所以被大量採用。在生產面板過程中，可能會在面板上產生不均勻的亮暗點，即為瑕疵的地方，在檢測瑕疵點上，目前還是以人工檢測為主，需要依靠大量的人力，以及因為主觀造成的不穩定偵測標準，也帶來面板生產效能的受限，若能架構自動化偵測系統，可以減少人力，也可以穩定偵測的標準，進而提升生產效能。 在這篇論文中，目的在於設計液晶螢幕上不均勻亮暗點(MURA)自動偵測的方法，進而應用在液晶螢幕生產線上的自動檢測系統。 通常MURA並不是很容易被直接發現，或是訊號太弱較難直接用有效率的方法去偵測到。所以此篇論文提出，利用影像處理的方法，加強瑕疵點與影像背景的對比，進而偵測出瑕疵點的區域。[[abstract]] Panel in the production process, it may be non-uniform on the panel points of light and dark, where is the flaw. On the detection of defects, mainly based on manual inspection currently, it need to rely on a large number of human, and because of the instability caused by the subjective standard detection, it also brings the performance of limited panel production, if automatic detection system architecture, it can reduce the human, and detect the standard stable, thus enhance the production efficiency. In this paper, purpose is to design non-uniform light LCD screen dark spot (MURA) method automatically detects, and then used in LCD production line automatic inspection system. This paper presents, using image processing methods, point defects and the background to enhance the image contrast, thus the use of edge detection methods to detect defects in point of the region.[[tableofcontents]]第一章 緒論 1 1.1 前言 1 1.2 研究動機 1 1.3 研究目的 2 1.4 論文內容大綱 3 第二章 背景知識 4 2.1 TFT-LCD 4 2.2 相關論文研究 4 2.2.1 Nakashima 4 2.2.2 張頌榮 9 2.2.3 方立德 10 2.2.4 陳思宏 10 2.2.5 Bi 11 2.2.6 Yeh 11 2.2.7 Lee 11 2.2.8 Li 12 第三章 演算法及實作 13 3.1 空間迴旋積 13 3.2 均值濾波 15 3.3 高斯濾波 16 3.4 模擬背景 17 3.5 影像對比延展 22 3.6 Canny邊緣偵測 23 第四章 實驗過程 28 4.1 流程圖 28 4.2 MURA瑕疵偵測步驟 29 4.3 實驗結果 30 4.4 其他影像實驗結果 37 第五章 未來展望及討論 46 參考文獻 47 附錄－英文論文 49 圖目錄 圖 1 IRO-MURA 5 圖 2 SIMI 5 圖 3 IRO-ZURE 6 圖 4 微觀型瑕疵 7 圖 5 瑕疵分類圖表 7 圖 6 偵測法相關資料圖表 9 圖 7 影像座標圖示 14 圖 8 遮罩陣列座標圖示 14 圖 9 均值濾波遮罩陣列Mask3*3 15 圖 10 均值濾波處理 15 圖 11 高斯模糊遮罩陣列Mask5*5，σ=1 16 圖 12 高斯濾波處理 17 圖 13 偵測影像例子 18 圖 14 列平均值影像 19 圖 15 行平均值影像 19 圖 16 行列平均值影像 20 圖 17 將像素值取整數 20 圖 18 影像相減結果 21 圖 19 像素加強結果 21 圖 20 影像對比延展 23 圖 21 Sobel Filter X軸濾波器 25 圖 22 Sobel Filter Y軸濾波器 25 圖 23 Sobel Fliter執行結果 26 圖 24 Canny邊緣偵測結果 27 圖 25 偵測影像 30 圖 26 執行高斯模糊 31 圖 27 模擬背景 32 圖 28 差異值影像 33 圖 29 差異值影像執行高斯模糊結果 34 圖 30 偵測結果 35 圖 31 偵測結果 36 圖 32 偵測影像 37 圖 33 高斯模糊化後之影像 37 圖 34 模擬背景影像 37 圖 35 差異值影像 38 圖 36 模糊化後之差異值影像 38 圖 37 邊緣偵測結果 38 圖 38 投影原始影像與比對 38 圖 39 偵測影像 39 圖 40 高斯模糊化後之影像 39 圖 41 模擬背景影像 40 圖 42 差異值影像 40 圖 43 模糊化後之差異值影像 41 圖 44 邊緣偵測結果 41 圖 45 投影原始影像與比對 42 圖 46 偵測影像 43 圖 47 高斯模糊化後之影像 43 圖 48 模擬背景影像 43 圖 49 差異值影像 44 圖 50 模糊化後之差異值影像 44 圖 51 邊緣偵測結果 44 圖 52 投影原始影像與比對 45[[note]]學號: 698411641, 學年度: 9