中文摘要

(1)

(2)

(3)

(4)

(5)

中文摘要

台灣是全球 LCD 面板的三個主要供應國之一，然而在 LCD 背光模組完成組立後所進行的點燈測試，卻大都還是以人工目檢的方式在進行。點燈檢測是在面板上依序產生各種不同的樣本，目的是方便檢測人員檢查面板是否有缺陷，並將面板分級。人工目檢的最大缺點是檢測結果易受個人主觀意識的影響，不同人可能會有不同的判斷結果。再者，隨著五、六、及七代廠產能的逐漸開出，不僅面板的尺寸變大重量也變重，因此以雙手握住面板進行人工目檢的方式已不可行。

有鑑於此，本研究的目標是發展一套以機器視覺為基礎之自動點燈測試系統，取代人工目檢的方式。

在檢測方法上，本研究根據瑕疵的大小分別使用巨觀檢測法及微觀檢測法進行瑕疵的偵測。程序上是先以巨觀檢測法，檢查面積較大的巨觀瑕疵，其次以微觀檢測法，檢查面積較小的細瑕疵。巨觀檢測是對整個面板取像，再將攫取所得之影像劃分成數個子區域，並逐一計算各個子區域的灰階標準差，最後則根據各子區域的灰階標準差與金樣本影像對應子區域的灰階標準差的差值判斷是否有瑕疵。完成巨觀檢測後，剩下的都是屬於面積較小的細瑕疵，因此微觀檢測法是先將整個面板分成數個子區域，然後再依序對各個子區域進行高倍率取像與檢測。細瑕疵的偵測方法也是先對影像施以影像處理，然後再根據灰階標準差的差值判斷是否有瑕疵。

實驗顯示，本研究所發展之點燈測試法，雖然可以正確的將 Band 失效、

Mura、線缺陷（亮線、暗線、弱線）、及點缺陷（亮點、暗點、顏色異常）等瑕疵偵測出來，但是在檢測速度及效率上則仍有待加強。

關鍵詞：LCD、點燈檢測、瑕疵偵測、標準差。

(6)

Abstract

The manufacturing processes of Liquid Crystal Displays (LCD) involve many kinds of inspections. Although machine vision technique has been incorporated in the majority of processes for quality control, some inspection tasks still heavily rely on human inspector. For example, in the module process, human inspector performs almost all the light-on tests. The primary disadvantage of manual inspection is its inability to provide an objective judgment. Eventually, the results of manual inspection may be biased. Thus, the object of the current research is to provide an objective grading system for panel manufacturers. Moreover, the current research has developed an automatic light-on test system based on machine vision technique.

According to defect sizes, we classify defects into two types: macro defects and micro defects. Macro and micro defects are inspected by using macro inspection and micro inspection methods, respectively. To begin with, we set up two suitable experimental hardware systems for micro and macro inspection, respectively. To detect macro defects, image of the whole panel is divided into several sub-images and each of the sub-images is checked using a pre-planned processing flow. If macro defects are not found, then micro defects are checked. For micro inspection, a panel is divided into several sub-regions and the image of each sub-region is taken and inspected sequentially in order to locate small defects. For each type of defects, an effective inspection rule has been developed. Therefore, by following the flaw detection processes step by step, defects can successfully be detected.

The experimental results show that the developed light-on test methodology can effectively detect point defects (bright point, dark point, weak point), line defects (bright line, dark line, weak line), block defects (dark block, color incorrect), color

(7)

unevenness (small and large muras), white spots, black spots, stains, and scratches.

Keywords: Flat Panels Displays, Light-on Test, Defect Detection, Mura, AOI

(8)

誌謝

承蒙指導教授邱奕契博士這幾年來對我的悉心指導，無論是對於研究的困難方面或是生活的待人處事態度上，總是能夠適時的提供寶貴的意見與經驗的傳承，使我能夠克服困難及修正偏差的觀念，使得本論文可以順利的完成。

感謝吳孟軍教授與羅鵬飛教授對於本論文提供許多的建議與指正，使得本論文更臻完善，在此致上最真誠的謝意。

在研究生涯中，感謝學長徐國峰、張育康的照顧與指導，同學林憲忠、學弟陳學宇、林正宇、蔡孟儒、李韋辰的協助，還有黃鈞聖先生的幫忙。

在此同時感謝父母提供ㄧ個良好的讀書環境，使我得以順利的完成學業。最後，由衷的感謝曾經幫助過我的師長、同學與朋友們，感謝你們曾經給我的支持 與鼓勵，願將我此時的榮耀與快樂與各位共同分享。

(9)

目錄

中文摘要... I ABSTRACT... II 誌謝...IV 目錄 ………..………..………...V 圖目錄... VII 表目錄... X

第一章緒論...1

1-1 研究背景：...1

1-2 動機與目的...12

1-3 研究之重要性...12

1-4 研究範疇...13

1-5 論文架構...14

第二章文獻回顧...15

第三章檢測流程與研究設備...19

3-1 檢測原理...19

3-2 檢測流程...20

3-2.1. 建立標準樣板影像資料...21

3-2.2. 產生樣板...21

3-2.3. 巨觀檢測法...22

3-2.4. 微觀檢測法...22

3-3 檢測系統設備...23

3-3.1. 硬體方面...23

3-3.2. 軟體方面...26

第四章研究方法...27

(10)

4-1 影像擷取...27

4-2 色彩模型...30

4-3 實驗方法...31

4-3-1 巨觀檢測法...32

4-3-1.1 平均值...33

4-3-1.2 標準差...34

4-3-1.3 閥值設定...35

4-3-1.4 誤差排除...36

4-3-2 微觀檢測...37

4-3-2.1 線瑕疵找尋...38

4-3-2.1.1 影像相減...38

4-3-2.1.2 高增幅濾波...40

4-3-2.1.3 二值化處理...41

4-3-2.1.4 中值濾波...42

4-3-2.1.5 線段找尋...44

4-3-2.2 點瑕疵找尋...45

第五章結果與討論...47

5-1 巨觀瑕疵檢測法結果...47

5-2 微觀瑕疵檢測法結果...52

5-2.1 線瑕疵檢測結果...53

5-2.2 點瑕疵檢測結果...55

5-3 討論...57

第六章結論與未來展望...60

6-1 結論...60

6-2 未來展望...61

參考文獻...63

(11)

圖目錄

圖 1.1 TFT-液晶顯示面板 ...3

圖 1.2 TFT-LCD 製造流程圖 ...5

圖 1.3 缺陷之種類及其示意圖...11

圖 3.1 檢測流程圖...20

圖 3.2 樣板影像與CCD擷取影像 ...21

圖 3.3 巨觀瑕疵檢測設備示意圖...24

圖 3.4 成像原理示意圖...25

圖 4.1 背光模組照明方式...28

圖 4.2 面板影像擷取圖...28

圖 4.3 影像R分量灰階分布圖...29

圖 4.4 RGB彩色模型立體方塊示意圖 ...31

圖 4.5 檢測流程示意圖...32

圖 4.6 巨觀檢測法流程圖...33

圖 4.7 RGB各分量平均值結果 ...34

圖 4.8 RGB各分量標準差結果 ...35

圖 4.9 不同取像時間所得影像之處理結果...36

圖 4.10 微觀檢測流程圖...37

圖 4.11 線瑕疵的檢測流程圖...38

圖 4.12 影像相減之結果...39

圖 4.14 影像使用R分量做影像相減之結果...39

圖 4.15 影像使用G分量做影像相減之結果...40

圖 4.16 影像使用B分量做影像相減之結果...40

圖 4.17 高增幅濾使用之遮罩...40

圖 4.19 經過高增幅結果...41

(12)

圖 4.20 高增幅結果影像...42

圖 4.21 經過二值化結果...42

圖 4.22 影像經中值濾波之結果...43

圖 4.23 二值化結果影像...44

圖 4.24 經過中值濾波結果...44

圖 4.25 中值濾波結果影像...44

圖 4.26 線段找尋結果...44

圖 4.27 點瑕疵的檢測流程圖...45

圖 5.1 標準樣板影像...48

圖 5.2 BAND瑕疵影像 ...48

圖 5.3 標準樣板影像各子區域平均值...48

圖 5.4 BAND瑕疵影像各子區域標準差 ...48

圖 5.5 標準樣板影像各子區域標準差...48

圖 5.6 BAND瑕疵影像各子區域標準差 ...48

圖 5.7 BAND瑕疵檢測結果 ...49

圖 5.8 標準樣板影像...50

圖 5.9 MURA 瑕疵影像...50

圖 5.11 MURA瑕疵影像各子區域平均值...50

圖 5.13 MURA瑕疵影像各子區域標準差...50

圖 5.14 MURA瑕疵檢測結果...51

圖 5.16 MURA 瑕疵影像...51

圖 5.18 MURA瑕疵影像各子區域平均值...51

(13)

圖 5.20 MURA瑕疵影像各子區域標準差...52

圖 5.21 MURA瑕疵檢測結果...52

圖 5.22 標準樣板影像...54

圖 5.23 線瑕疵影像...54

圖 5.24 經影像相減後結果...54

圖 5.25 經高增幅濾波後影像...54

圖 5.26 經二值化後影像...54

圖 5.27 經中值濾波後影像...54

圖 5.28 投影法結果...55

圖 5.29 標準樣板影像...56

圖 5.30 點瑕疵影像...56

圖 5.32 點瑕疵影像各子區域平均值...56

圖 5.34 點瑕疵板影像各子區域標準差...56

圖 5.35 點瑕疵找尋結果...57

圖 5.40 線瑕疵影像(灰階值差異大於 50)...59

圖 5.41 線瑕疵找尋結果...59

(14)

表目錄

表 1.1 全球中小尺寸面板在不同應用領域每月出貨量分析。...2

表 1.2 2004-2005 年全球大尺寸TFT LCD供需預測。 ...2

表 1.3 點燈檢測時所使用之測試樣板及檢測項目。...9

表 6.1 PDI發展之 15-階段, 23-類別之瑕疵檢測及分類標準 ...61

(15)

第一章緒論

1-1 研究背景

薄膜電晶體液晶顯示器（Thin-Film Transistor Liquid-Crystal Display；簡稱 TFT-LCD ）是結合半導體、化學材料、及光電等各個產業技術所製造出來的。

在筆記型電腦的大量使用與 LCD 面板價錢調降下，及桌上型電腦螢幕採用 LCD 逐漸被大眾所接受下，且兼具省電、全彩化多媒體、高畫質、

高解析度、輕薄及無輻射影響等等的優點，已取代以往常使用的陰極射線管

（ CRT）顯示器，同時液晶電視亦逐漸為國人所使用。除了全球 TFT-LCD 面板產業不斷朝更大尺寸邁進，以及中國 TFT-LCD 相關產業鏈製造基地的基本成型，下游終端設備應用領域更是出現前所未有的增長速度，包括 LCD 顯示器、

LCD TV 、筆記型電腦、便攜式液晶 DVD 播放機，甚至包括手機、PDA 等移動終端設備。在供需失衡的預期心理及液晶監視器需求持續上揚的情況下，2002 年大型 TFT-LCD 面板價格提早反映，一路攀升，同時 LCD 監視器的出貨規模將首度超越筆記型電腦的應用，成為資訊用的產品市場主流。

TFT-LCD 產業鏈涵蓋了光學、半導體、電機、化工、材料等領域。上下游所需技術層面廣泛，幾乎不可能有製造商能從材料到成品全部都做，因此各領域分工明顯。上游材料包括玻璃基板、ITO 導電玻璃、偏光板、彩色濾光片、光源模塊、液晶、半導體製造工序所需光罩、液晶驅動 IC、印製電路板(PCB) 等。

中游則集合各種材料製造 LCD 面板，提供給下游應用廠商使用。由於下游應用產品眾多，從各式家電、消費電子、信息、通信及工業產品，只要是需要顯示的裝置，都可使用到 LCD 產品。

以 TFT 面板廠商在中國大陸地設廠分佈來看，三星電子、日立等聚集在蘇州，台灣的中華映管在吳江，瀚宇彩晶和統寶光電、LG- Philips 在南京，日本的

(16)

夏普和 SONY 聚集在無錫等，另外日立和卡西歐在深圳也設有 LCM 生產基地。

京東方集團、上廣電集團的生產基地分別分佈在北京、上海。相對而言，蘇州、

南京為主的長江三角洲成為後工序模塊(LCM)生產線和配套產業的聚集點。

表 1.1 全球中小尺寸面板在不同應用領域每月出貨量分析。

(單位：百萬片)

應用 2004 Q2 2004 Q3(e) Q/Q

手機 58 61 5.2%

PDA 1.4 1.3 -7.1%

汽車 0.93 0.94 1.1%

DSC 6.6 7.3 10.6%

DVC 1.5 1.3 -13.3%

其他 2.7 2.9 7.4%

Total 71.13 74.74 5.1%

Source: Displaysearch ， 2004 年 10 月

表 1.2 2004-2005 年全球大尺寸 TFT LCD 供需預測。

04Q1 04Q2 04Q3 (F)

04Q4 (F)

05Q1 (F)

05Q2 (F)

05Q3 (F)

05Q4 (F)

2004 (F)

2005 (F) NB (Portable

PC includes) 11,104 11,501 13,226 13,887 13,610 13,338 14,938 16,133 49,179 58,018 Monitor 17,055 17,396 18,000 20,340 22,172 21,746 23,400 26,422 72,792 93,760 LCD TV 1,400 1,750 2,275 3,413 2,730 3,331 4,496 7,194 8,838 17,751 Other 840 936 1,024 1,113 1,081 1,192 1,414 1,517 3,913 5,204 Panel demands

(千台) 30,400 31,583 34,525 38,753 39,593 39,606 44,248 51,286135,261174,733 Panel supply

(千台) 32,295 35,489 37,931 41,073 46,191 48,958 54,901 59,685146,788209,736 Supply/Demand 6.20%12.40% 9.90% 6.00% 16.70% 23.60% 24.10% 16.40% 8.50%20.00%

Sources: Displaysearch; compiled by FPDisplay, Sep 2004.

(17)

根據 Displaysearch 最新研究報告指出，2004 年第二季全球中小尺寸面板營收與出貨量皆創下新高，分別是 46 億美元與 22,350 萬片。

TFT-LCD 液晶顯示面板（圖 1.1 所示）的顯像原理，可視為兩片玻璃基板中間夾著一層液晶，上層的玻璃基板是與彩色濾光片(Color Filter，簡稱 CF)相結合、而下層的玻璃基板則有電晶體鑲嵌於上，兩邊皆有偏光板與 ITO 導電膜做電極的玻璃基板。ITO 導電玻璃係在原本無法導電的母玻璃（mother glass）基板上，鍍上一層可以導電的氧化銦錫（indium tin oxide，ITO），從而可以扮演電極。

當電流通過電晶體產生電場變化，引起液晶分子扭曲向列的電場效應，造成液晶分子偏轉，藉以改變光線的偏極性，以控制光源透射或遮蔽的功能，再利用偏光片決定畫素(Pixel)的明暗狀態。並驅動 R（紅）、G（綠）、B（藍）三個格點構成一個畫素，由於上層玻璃基板具有彩色濾光片，進而透過彩色濾光片顯示彩色影像，而下層玻璃則有利用半導體製程做成的畫素，利用上下 ITO 導電玻璃間電位的差異可使液晶分子的排列方向產生不同程度的改變，進而使入射光線偏極化的方向與強度也發生不同程度的改變，造成輸出的光線得以有明亮與灰階的變化。

圖 1.1 TFT-液晶顯示面板

（資料來源：統寶光電股份有限公司）[1]

(18)

TFT-LCD（圖 1.2 所示）的三段主要的製程包括 Array 製程（或 Panel 製程）、

Cell 製程與模組組裝(Module Assembly)製程，以下就這三段主要製程扼要說明如下：

Array 製程：Array 製程技術主要是將玻璃基板透過類似半導體製造技術，經過

清洗、鍍膜、上光阻、曝光、顯影、蝕刻與去光阻等技術在基板上形成為數眾多的電晶體，一般來說，製造 TFT-LCD 就需要重複 5-7 次。由於國內半導體製作技術的成熟，在 Array 製程良率大致保持在 90%以上。

Cell 製程：Cell 製程則是將 Array 製程所產生的電晶體玻璃基板與彩色濾光片塗

佈配向膜，再噴灑間隔粒子（Spacers），並透過機械對位壓合，然後進行框膠燒成，最後灌入液晶。

Module 製程：模組組裝製程則是將 Cell 製程的成品貼付偏光片（Polarizer），並將異方向性導電膠（ACF）、驅動 IC、柔性線路板（FPC）和 PCB 電路板利用機台壓合，接著與背光板、燈源、鐵框一齊組裝成品，最後經過老化處理和層層檢測與包裝後，便成為我們所看到的成品了。

(19)

玻璃基板清洗鍍膜上光阻

曝光顯影蝕刻去光阻

Array

彩色濾光片

Array 的TFT

清洗配向膜塗佈

框膠印刷間隔粒子撒佈

對位壓合

面板組立灌入液晶

Cell

Cell成品偏光片貼附異向性導電膠搭載驅動IC

PCB貼附背光模組裝配外框鎖附老化測試包裝

Module

製程

圖 1.2 TFT-LCD 製造流程圖

玻璃基板（俗稱的母玻璃或素玻璃）是 TFT-LCD 的主要製程原料，其功能主要是做為彩色濾光片與 IC 驅動電路之承載材料，屬於一種高精密透明的電子零件。玻璃在 TFT-LCD 產業中扮演的角色，就像矽晶圓在半導體產業中所扮演的角色，因此 TFT-LCD 產業對玻璃基板表面精度的要求也是進乎完美。

TFT-LCD 製程是分別利用兩塊無鹼玻璃基板，於無鹼玻璃基板表面構裝彩

(20)

色濾色片與 IC 電路。玻璃基板表面經過乾式蝕刻，將紅、藍、綠三原色與黑色以微細的結構建置於玻璃表面，成為彩色濾色片。IC 驅動電路則利用半導體製程，將 CMOS 電路建置於玻璃表面。基板玻璃之功能係做為彩色濾色片與 IC 驅動電路之承載材料，類似半導體製程中的矽晶圓。TFT-LCD 與半導體製程同樣需要真空蒸鍍與蝕刻，所以基板玻璃也與矽晶圓相似，必須要能忍受強酸強鹼之腐蝕、高溫的製程環境，並且必須具備比矽晶圓更精密的表面平整度與平面起伏度。

LCD所選用之玻璃基板可分為鹼玻璃及無鹼玻璃兩大類，在TFT-LCD上以無鹼玻璃為主，TFT-LCD所使用之無鹼玻璃，其主成分為SiO₂、Al₂O₃、B₂O₃、及BaO等，鹼金屬總含量在 1 %以下。美國康寧( Corning )公司為玻璃基板之主要領導廠商，其生產方式是以溢流熔融法為主要生產製程。由於玻璃基材在不同的製程中，須經各種化學藥劑、減壓、增壓及高溫處理，所以對玻璃性質的要求相當嚴苛；不僅玻璃基板須具有光學玻璃的性質，玻璃內部亦不得出現氣泡

（Bubble）、筋紋（Cord）等缺陷。除此之外，對於玻璃表面之性質，以及其他的熱收縮（Thermal Shrinkage）、密度（Density）、耐化學性（Chemical Durability）、機械強度（Mechanical Strength）等性質也有特殊的規範。由此看來，LCD所採用之玻璃基板與一般建築及汽車業所使用之鈉鈣矽酸鹽玻璃截然不同。

機器視覺是屬於一種非接觸式的檢測方式，同時也具有快速及穩定性高的優點，能自動提供控制信號的影像分析器，經由影像感測器，從目標物擷取原始影像，並分析可見的影像資訊後，將所得結果以數位或類比方式輸出，可用於自動檢測、分類、加工、連接和偵測監視，亦稱之為「自動化光學檢測」。利用這些資訊就能夠來控制一部機器或是一個製造程序，因此非常適合用於生產線上的即時檢測。

就機器視覺檢測系統而言，影像的擷取是被優先考慮的，也是最重要的因

(21)

素，只有良好的影像，才能有正確的結果。影像是透過影像感測器來擷取，而影像感測器為一種光電轉換元件，能夠將影像、文字、或圖形經過掃描的動作，轉換成電腦可以辨識、處理、傳遞及儲存的電子訊號。而影像感測器的種類包括有 CMOS（Complementary Metal Oxide Semiconductor；互補式金屬氧化半導體影像感測器）、CCD（Charge Coupled Device；電荷耦合元件影像感測器）及 CIS（Contact Image Sensor；接觸式影像感測器）。這三種之中以 CIS 的應用方式最為單純，一般是使用在傳真機、掃描器等產品為主；而 CMOS 與 CCD 的技術較為複雜，應用範圍也比較廣闊。以 CCD 而言，以掃描方式可分為面掃描 CCD 及線掃描 CCD 兩種。面掃描是以二維陣列的方式，一次擷取整個面的影像；而線掃描攝影機則是使用一維陣列的方式，依照水平的方向一列一列的掃描影像中的每個像素，由於物體是在線掃描攝影機的垂直方向不斷的移動下，因此最後就能夠組成一個二維的影像。

嚴格說來，由於 LCD 是數種高科技組合下的產物，因此除了必需隨時監控生產線的生產品質外，幾乎每個步驟也都有相對應的檢測，如此才能確保成品能夠被完美的製造出來。以下就 Array、Cell 及 Module 製程中所需檢測之項目進行扼要的說明：

Array製程：對於素玻璃首先必需檢查是否有雜質、刮傷、塵埃等瑕疵；成模

（deposition）後必需檢查成模之厚度以及是否有塵埃；在經過光阻塗布、預烤、

曝光、顯影、硬烤、蝕刻及光阻剝離後則必需檢查pattern之形狀及尺寸是否正確、

是否有污染、斷路（open）或短路（short）。

Cell製程：彩色濾光片必需進行瑕疵檢測；配向模塗佈（Alignment-Layer Printing）

及配向（Rubbing）完成後必需檢測是否產生Rubbing Mura；間隔子撒佈（Spacer Dispensing）後必需檢測間隔子之數量及分佈情形；框膠印刷（Seal Printing）時必需檢查膠之寬度及高度；上下玻璃基板組立時必需透過機器視覺進行對位；組

(22)

立完成並注入液晶後之面板（稱為Cell Panel）則必需進行點燈檢測。

Module 製程：在 LCD 及背光模組組裝完成後，必需利用樣板產生器產生一些特

定的樣板，並檢查是否有亮點、暗點、點瑕疵、白斑、黑斑、線瑕疵（Scan Line 或 Data Line 之亮線、暗線、或斷線等瑕疵）、Band 失效、Band 顏色不均、畫面顏色不均、及面瑕疵（各類型之 Mura）；模組組裝製程中驅動 IC 的瑕疵檢測。

從以上的說明可知，每一道製程都有可能生產出具有缺陷（Defects）的半成品或成品，因此為了確保品質，幾乎每一道LCD製程都需要檢測。一般說來，缺陷（或稱為瑕疵）可分成微觀缺陷（Micro Defects）及巨觀缺陷(Macro Defects) 兩大類，說明如下：

微觀缺陷：微觀缺陷包括亮點（bright points）、暗點（black points）、針孔

（pinholes）、質點（particles）、刮傷（scratches）、SIRO-Nuke (Color area shortage in filter cell)。微觀缺陷是一種細微的瑕疵，通常透過肉眼並不易察覺，因此通常必需透過 15X 顯微鏡予以確認。

巨觀缺陷：巨觀缺陷又可分成 IRO-Mura、Simi、及 IRO-Zure 三種型態：

¾ Mura：Mura 屬於一種低對比，色彩不均勻之區域性瑕疵，面積通常大於一個像素，有時甚至擴及整個面板或整塊玻璃基板。液晶分佈不均或液晶內含有雜質都是造成 Mura 的原因之一。

¾ Simi：Simi 屬於一種殘留在代表面板上的污染（stains）。

¾ Zure：Zure 則是一種 color cell 對正不良（misalignment）之現象。

不同於微觀缺陷，巨觀缺陷是無法透過局部比對的方式被發現的，因此適用於微觀缺陷的檢測法並無法有效的應用在巨觀缺陷的檢測上。可喜的是，由於巨觀缺陷屬於一種較大面積之瑕疵，因此很容易被檢測人員以目視的方式發現。

(23)

本研究希望以模擬出實際生產線上模組組裝製程的面板點燈測試（表 1.3 所示），針對能夠檢測的點燈項目利用機器視覺的方式來取代現有的人工檢測，以減少人為的失誤，並增加檢測的準確性與時效性。

表 1.3 點燈檢測時所使用之測試樣板及檢測項目

編號樣板名稱樣板影像檢測項目

1 灰階

(Grey Bar) 灰階是否錯誤

2 彩階

(Color Bar) 色彩是否錯誤

3 西洋棋盤

(Checker Board) 影像殘留

4 紅色 (Red)

Band、線缺陷、點缺陷、纖毛

5 綠色

(Green)

6 藍色

(Blue)

7 紫色

(Purple) Band、斑 Spot

8 黃色

(Yellow) Band

9 青色

(Cyan) Mura、Spot

(24)

10 黑色

(Black) 線缺陷、亮點、纖毛

11 白色

(White) 線缺陷、暗點、雜質

12 十字線

(Cross Hatch) H-Pos

13 方格子 (Check Board)

影像是否有跳動

（Jitter）的現象

14 圓形

(Circle) 是否有重影

請參考圖 1.3 及以下有關缺陷之定義及可能造成之原因做說明：

Band 的缺陷：由於驅動 IC 出問題，造成一整個區塊沒有影像（呈現黑色），

或者是整個區塊出現顏色不均的現象。

線缺陷（Line Defect）：當某條 Data Line 或 Gate line 出現故障時，顯示面板所顯示之影像其相對應之垂直線（Data line）或水平線（Scan Line）會呈現黑色、白色，或亮度不足的異常現象（Data weak Line, Scan weak Line）。

點缺陷（Point Defect）：顯示面板上的每一個像素點都是由 R、G、B 三原色的晶格所組成，只要其中一個晶格發生問題，便會造成該像素點在任何畫面下出現不亮（暗點，Dark Point）、恆亮（亮點，Bright Point）、或顏色異常的現象。

Mura：在顯示面板上某一範圍，發生顏色不均的現象。可能是線型、圓形或是不規則型。

雜質（Particle）：在封裝或組裝過程中不小心夾雜異物時，會造成像素點的顏色出現異常的現象。雜質與點缺陷的差別在於，以不同角度觀看雜質時，

(25)

所顯示的顏色可能會有不同的情形。

灰階缺陷（Gray Scale）：在顯示灰階影像時出現灰階異常的情形。灰階缺陷的發生原因可能是驅動 IC 發生錯誤。

彩階缺陷（Color Scale）：在顯示彩階影像時出現彩階異常的情形。其發生原因也是與驅動 IC 錯誤有關。

影像殘留：顯示西洋棋盤影像時讓影像停留 2 秒，之後立即切換至白色影像檢查是否有影像殘留的現象。

band 失效線缺陷點缺陷亮點暗點

N/A

Mura 雜質灰階異常彩階異常

圖 1.3 缺陷之種類及其示意圖。上列影像為顯示器顯示之影像，下列影像則為透過 CCD 攝影機攫取所得之之影像。

由圖 1.3 可見，顯示器顯示之影像經 CCD 攝影機攫取之後，影像之品質無論在顏色、色彩均勻度、或對比度上都明顯差很多。影像品質的下降預期對後續之瑕疵偵測將造成莫大的負面影響。

(26)

1-2 動機與目的

日本、韓國、及台灣是全球 LCD 面板之三大主要供應國，雖然台灣在 LCD 面板的產量佔有舉足輕重的地位，但是在諸多製程中，產品的品質確保依舊還是仰賴人工目視的方式進行檢測。事實上，近年來國內也有不少產業及學術界競相投入有關自動化光學檢測方面的研究，也都獲得相當不錯的成果。然而在電子元件小型化、導線細微化、以及生產速率高速化的趨勢下，即使是自動化光學檢測設備也都必需無時無刻的面臨更高精度及更高速度的挑戰，更遑論使用人工目檢了。

如前所述，在 LCD 的整個製造過程中，必需檢測的項目相當多，雖然某些製程已搭配適當的檢測設備進行線上即時檢測的工作，然而仍有許多檢測的工作是利用人工目視的方式進行檢測。例如在 LCD 及背光模組完成組立後所進行的點燈測試（Light On Test），目前幾乎都還是仰賴人工目檢的方式在進行。人工目檢最大的缺點是檢測結果很容易受檢測人員主觀看法（subjective opinions）的影響，換言之，人工目檢所做的評斷可能會有不夠客觀（objective）的問題。

有鑑於此，為了讓檢測的結果更為客觀，本研究擬發展一套以機器視覺為基礎之自動化點燈測試系統，取代點燈測試時之傳統人工目檢方式。

1-3 研究之重要性

本研究計畫之重要性可依下列諸點來說明：

1. 隨著玻璃基板尺寸的不斷增大，不僅製程技術一再的被推至極限，巨觀缺陷出現的機率也隨之增加。舉例來說，用以支撐玻璃基板的支撐梢，其數量勢必隨著基板尺寸的增大而隨之增加，因而在支點處因受熱不均所引發的

(27)

Mura 缺陷，其出現機率也將隨之增加。除此之外，當基板尺寸大至某個程度時（例如隨著五代廠逐漸演化至六及七代廠，其玻璃基板之尺寸將由五代廠之 900mmx1100mm 增大至 1500mmx1800mm 及 1870mmx2200mm），以雙手握住基板進行缺陷檢視的傳統人工檢測方式將變得不可行（不僅尺寸變大，重量也會變重）。由此看來，隨著五代廠、六代廠、及七代廠產能的逐漸開出，發展一套自動光學檢測系統確實有其必要性與急迫性。

2. LCD 面板的價格視其等級而定，至於等級的界定則是根據品質檢測的結果來分。由此看來，如果是以人工目檢的方式進行檢測，則檢測人員的主觀意識一定會影響面板的等級。由於缺乏一套公認的標準分級系統，因此買賣雙方常常會因為品質認定上的差異引發紛爭，因此有必要發展一套公正客觀的等級判定系統，以消彌可能的紛爭。

3. 本研究所發展之點燈測試系統除了適用於LCD面板的檢測外，對於其它平面顯示器之點燈測試同樣適用，例如錸寶科技也有一組研發人員正在研究 OLED元件之顯示器的全點燈測試方法及缺陷檢測技術，以及如何以 CCD攝影機搭配特殊光源的照射及影像處理方法監控玻璃基板品質。

1-4 研究範疇

本研究主要使用彩色 CCD 攝影機取像，期望能夠使用大面積的取像方式進行點燈檢測，才能適應液晶面板面積越來越大的趨勢，因此一些需要使用顯微鏡頭檢查的微小瑕疵便不列入檢查的項目。考慮到 CCD 攝影機的取像解析能力，

加上面板點燈檢測的項目，因此將檢測的方式分為兩種：一種是以整個面板為目標的巨觀檢測；一種是將面板劃分為數個子區域，再逐一檢查每個子區域的微觀檢測。

(28)

前所述 LCD 面板之瑕疵眾多，受限於時間及設備研究將僅就下列項目之檢測方法進行探討：

巨觀瑕疵：就巨觀的瑕疵檢測方面，依據點燈檢測的項目，本研究將巨觀的瑕疵分為 Band 與 Mura 兩種進行檢查。

微觀瑕疵：之前所言，微觀缺陷包括亮點（bright points）、暗點（black points）、

針孔（pinholes）、質點（particles）、刮傷（scratches）與 SIRO-Nuke (Color area shortage in filter cell)。其中針孔、質點、刮傷與 SIRO-Nuke 的瑕疵檢測需使用高倍的顯微鏡頭，將組成像素點的三格點能夠放大至完整的顯示出來，如此才能將瑕疵找尋出來。因此將只檢測亮點、暗點及一般的點瑕疵。

將點燈檢測的瑕疵依據檢測的方式劃分為面、線及點三類。其中 Mura 與 Band 歸類於面的部份，弱線的瑕疵歸類於線的部份，點瑕疵與亮暗點歸類於點的部份為，並依循面、線及點的順序進行檢測。

1-5 論文架構

本論文總共分為六個章節：本文第一章為緒論，主要介紹液晶面板的主要製程及 LCD 點燈檢測。第二章為文獻回顧，探討國內外關於 LCD 的檢測。第三章為檢測流程與研究設備，說明檢測的流程與使用的儀器設備。第四章為研究方法，分別介紹巨觀檢測的方法與微觀檢測的方法。第五章為結果與討論，對於研究的結果做討論說明。第六章為結論與未來展望，針對結果做一結論，並對於未來可以改進的地方提出意見。

(29)

第二章文獻回顧

近年來國內學術關於 LCD 瑕疵檢測方面，一般均偏向於檢測彩色濾光片上的瑕疵及色彩的均一性，或 LCD 檢測上的定位研究，關於面板這方面的研究有：

吳木杏在其論文中發展一套以影像相減為基礎之彩色濾光片表面瑕疵檢測系統。系統首先建立標準影像，然後將待檢測影像進行影像定位以及取像，最後再將兩張影像進行影像相減，一旦瑕疵存在影像中，兩張影像便會有所差異，因此透過影像處理技術，即可找出彩色濾光片中的瑕疵。因為是檢查彩色濾光片，因此必須將組成每一個像素的 3 個晶格都呈現出來。該系統使用的是黑白 CCD 攝影機，影像解析度為 768x576 pixels[2]。陳志忠其研究是將液晶顯示器影像分成 25 個子區塊，在 RGB 色彩模型下，分別計算各分量中每個子區塊的平均亮度，

然後再計算每一區塊相對亮度的均一性。另外也針對像素點進行檢測，將組成每一個像素的 3 個晶格都呈現出來，然後依據所設定的判斷法則，檢測出液晶顯示器像素點缺陷的個數以及缺陷所在的位置[3]。Lin 等人使用他們提出的分析軟體來處理導光板影像的亮度值，然後使用圓形包裝演算法（circle wrapping method）

來尋找與處理導光板上的亮度斑點，並偵測導光板使用擴散板之前的光線反射度 [4]。

曾彥馨在其碩士論文中，將 TFT 面板中人眼不易察覺之微觀瑕疵（包括指觸、粉塵、配向膜孔洞、及刮痕）做為主要之偵測對象。透過對 TFT 面板之瑕疵偵測，可在製程中偵測出瑕疵的位置，並進一步將瑕疵區分成上述四類，以回饋生產線做為即時之製程變異資訊。該研究使用傅立葉影像轉換（Fourier transform）與反傅立葉影像還原的技術，配合濾除頻譜中 TFT 面板垂直及水平紋路之頻率元素與保留瑕疵能量在頻譜中所貢獻最多的區域之兩種策略，將 TFT 面板規律紋路加以濾除並且保留瑕疵特徵，最後再經過統計管制界線法凸顯瑕疵，達到瑕疵偵測之目的[5]。劉祥吉在其碩士論文中深入探討液晶顯示器之顯

(30)

像原理，並分析液晶顯示器影像上的瑕疵，一方面運用人因工程、可靠度工程及機器視覺強化影像瑕疵之檢測能力；另外檢查顯示不均類之瑕疵則是運用機器視覺輔助人工視覺進行判定。該研究先將面板劃分為 144 個子區域，再以輝度計測量出輝度值後，接著運用變異數分析及指數加權移動平均管制圖，偵測液晶顯示器是否有顯示不均之缺陷[6]。洪崇祐利用 TFT 面板表面是由垂直信號線與水平閘線之規律紋路所構成之特性，首先使用線掃描攝影機取像，然後以一維傅立葉轉換（1D Fourier transform）與反傅立葉轉換之影像還原技術，配合濾除頻譜中代表 TFT 面板規律性紋路之頻率元素與保留瑕疵能量在頻譜中所貢獻最多的區域之策略，將 TFT 面板規律紋路加以濾除並且保留瑕疵特徵，再經過統計管制界限法突顯瑕疵達到瑕疵偵測目的[7]。D.-M. Tsai 使用 SVD（Singular value decomposition）濾除頻譜中代表 TFT 面板垂直及水平紋路，可檢測 TFT 面板中人眼不易察覺之微觀瑕疵（包括指觸、粉塵、配向膜孔洞、及刮痕）[8]。

其他與液晶面板檢測相關之研究還有很多。例如黃朝群在其論文中提出抗雜訊邊緣偵測演算法，該演算法在淬取邊緣時能同時消除雜訊。除此之外，該研究也使用一種具有抗雜訊能力之改良式快速霍式轉換法（Fast Hough Transform；

FHT）。經由 FHT 轉換後，在參數平面上的許多資訊就可以被簡化，然後再依據這些資訊決定十字標記的位置，達到液晶顯示器定位的目標[9]。趙新民採用非線性擴散法對 ITO 導電玻璃的表面進行瑕疵檢測。該研究利用灰階梯度資訊，

對影像中不同梯度的部份進行不同程度之擴散處理，亦即僅對影像中梯度較低之背景紋路進行平滑，而對於梯度較高之瑕疵邊緣則抑制其平滑。此方法運用在 ITO 導電玻璃表面的檢測，可有效的將背景紋路濾除並同時保留住瑕疵原有之輪廓[10]。

在國外方面，關於 LCD 面板檢測之研究也有很多，例如 S. M. Sokolove 等人利用視覺檢測 LCD 面板的灰階值來檢測是否存在瑕疵。因為亮度的灰階並沒有均ㄧ性，所以設定灰階值必須介於某一倍數內，即灰階值可以允許有一個上下

(31)

跳動的範圍，ㄧ但超過則判定為瑕疵[11]。Nakashima 提出一種混合式的 LCD 彩色濾光面板檢測系統，可針對彩色濾光片上的巨觀瑕疵與微觀瑕疵進行檢測。使用影像相減與傅立葉濾波來找尋瑕疵，但存在影像定位上的問題[12]。Fumihiko Saitoh 利用自動視覺檢測與基因演算法來找尋 LCD 面板上的亮度不均，並將亮度不均的邊界像素找尋出來[13]。韓國的 Jung-Hun Kim 等人利用線掃瞄 CCD 攝影機（Line Scan CCD Camera）及多台配備 DSP 的電腦，透過平行處理的方法可以讓檢測薄膜電晶體液晶顯示器時，獲得較高的解析度及檢測速度 [14] 。 Kil-Houm Park 提出一種 blob-Mura 的瑕疵限制函數偵測法來檢測 FTF-LCD 面板，並使用型態處理來提升 blob-defect-detecting 演算法的偵測能力。例外要是瑕疵直徑大小大於 49 Pixel，瑕疵會有內部灰階不均的情況，此時則可以改變影像的大小來符合限制函式，以達到瑕疵偵測的目的[15]。

關於 LCD 點燈測試在國內業界有東捷半導體科技股份有限公司、錸寶科技科技股份有限公司、泓進科技股份有限公司。

色彩模型在視覺方面的應用也有許多。如 Toshio Asano 等人利用色彩模型分析，處理 CRT 顯示器上面的顏色不均問題[16]。黃俊榮利用類神經網路進行彩色影像分割，可以先將導線或焊墊與背景分離，然後再進行 PCB 電路板的尺寸量測[17]。陳冠字挑選並使用合適的色彩模型將原始彩色影像轉換成灰階影像，然後做小波轉換，接著計算其共生矩陣，以抽取特徵值，最後再利用類神經網路進行分類[18]。吳國書利用電腦控制顯示器呈現一系列設計的彩色圖形，以便與使用者互動，依據使用者視覺反應來做選擇，進而達到量測的目的，然後取得使用者的饋入，再利用饋入的資料來計算顯示器的亮度響應或者白點的特性。在兩者交叉分析的結果中，使用者估測的「亮度響應」之準確度若能維持在平均水準，

則白點估測的準確程度是影響整個視覺校正的主要關鍵[19]。

就前述大部分的面板檢測而言，均偏向於以微觀的方式來檢查面板。微觀檢

(32)

測雖然可以找出面板的瑕疵，但也因為微觀方式檢測的區域小，而需要大量的檢測時間，對於面板尺寸愈做愈大的趨勢，微觀檢測並無法滿足檢測速度的要求。

因此，本研究試圖以大面積的方式進行面板的點燈檢測，以期適應未來面板越來越大的趨勢。

(33)

第三章檢測流程與研究設備

本章將就檢測流程與研究設備兩部份進行說明。3-1 節為檢測原理，介紹點燈檢測流程。3-2 節為檢測的流程，對使用的檢測方法與步驟做一個大致說明。

3-3 節為檢測系統及設備，將說明檢測系統所使用的各項硬體設備與設計檢測程式的軟體。

3-1 檢測原理

以人工方式檢查瑕疵時，檢測人員是以眼睛察看面板上所出現之樣板影像，

並根據表單上所列之檢測項目依序進行瑕疵的偵測。人眼判斷是否有瑕疵的方式很簡單，例如當樣板產生器產生全黑樣板時，如果面板沒任何缺陷，則面板上呈現的應該是個全黑的影像，否則即代表該檢測中設備（Device Under Test，簡稱 DUT）具有缺陷；全黑樣板通常是用來偵測線缺陷（line defect）、亮點（bright point）、纖毛（fiber）、及出現於 cell 邊界之 Mura。又如當樣板產生器產生全白樣板時，如果面板沒任何缺陷，則面板上呈現的應該也是個全白的影像，否則即代表該 DUT 具有缺陷；全白樣板通常是用來偵測線缺陷、暗點（dark point）、

及纖毛。

至於當樣板產生器產生色彩之三原色（紅色、綠色、及藍色）時，如果面板沒有任何缺陷，則面板上呈現的應該也是個純紅、純綠、或純藍的影像，否則即代表該 DUT 具有缺陷；一般說來，紅色、綠色、及藍色樣板除了可以用來偵測線缺陷及纖毛外，還可以用來偵測相鄰點（adjacent points）缺陷，以及 Band 與 Band 間顏色之不均性（Band unevenness）及整個畫面顏色之不均勻性（color unevenness）。

(34)

3-2 檢測流程

對於 TFT-LCD 面板之點燈測試，本研究使用 CCD 攝影機，攫取檢測中設備所顯現之樣板影像（Pattern Image），然後再利用影像處理技術對攫取所得之影像進行分析，以便找出可能的瑕疵。

由於瑕疵有巨觀及微觀之分，因此本研究所採用之研究方法與原因也將依照巨觀及微觀瑕疵之偵測法分別說明。研究檢測流程如圖 3.1 所示：

圖 3.1 檢測流程圖

(35)

3-2.1. 建立標準樣板影像資料

由於經過鏡頭與 CCD 感知器所擷取出來的面板影像，並非如肉眼所見色彩均勻的影像（圖 3.2）。由於鏡頭本身的設計，影像中間部分會比外圍部份較亮之外，影像中也存在著許多顏色不均的現象。

顯示器樣板影像 CCD 擷取之影像圖 3.2 樣板影像與 CCD 擷取影像

本研究固定外在檢測環境，使用比較標準樣板與待檢測面板之間的關係，進行瑕疵的檢測，利用待測面板的影像與標準樣板影像間的差異關係來做分析。首先將標準無瑕疵的面板置於翻拍架上，然後擷取影像，並對該影像抽取所需要資訊，以供後來影像處理之用，如 RGB 各分量的平均值、標準差。然後以相同方式擷取待檢測面板影像，並比較之間的差異性，判斷有否瑕疵存在。

3-2.2. 產生樣板

當點燈檢查面板時，是使用不同的點燈檢測樣板來做檢測的，如黑、白、紅...

等等，瑕疵可能在不同的點燈檢測樣板中出現，且在不同檢測樣本下所呈現的情況也不相同。瑕疵在色彩模型各分量上所顯示的程度也都不ㄧ樣，因此無法僅僅

(36)

以色彩模型的單一分量來做瑕疵檢測的動作，因此必須針對不同的顏色樣板影像，然後用適合的色彩分量去作分析。如此ㄧ來將可以提高檢測的辨識率，減少瑕疵誤判的產生。

雖然使用在影像處理技術時有許多的色彩模型，但是在點燈測試時使用的樣板中，許多的樣板是在 R、G、B 單色的情況下或是其組合的顏色中做檢測的，

因此本研究將使用 RGB 色彩模型當作彩色影像分析處理的基礎。

3-2.3. 巨觀檢測法

此部份主要是針對點燈檢測中屬於較大面積的瑕疵來做檢測，如 Mura 現象、BAND 失效等瑕疵。就 Mura 瑕疵而言，由於 Mura 屬於一種隨機出現的缺陷，並沒有特定的形狀與大小，而且出現的區域也不一定，因此偵測上比較困難些。但是無論如何，當影像之某個區域中出現 Mura 時，該區域之色彩平均值勢必會與鄰近區域之色彩平均值有所差異，因此透過色彩平均值的比較理應可以發現 Mura 出現的區域。

先擷取標準的面板影像，再從影像中抽取所需要的資料，如 RGB 各分量之灰階值、平均值、標準差等。然後擷取待檢測面板，並從影像中抽取所需要的資料。最後比較這兩者之間的差異，並依照不同的情形設定相關的閥值來判斷瑕疵是否存在。

3-2.4. 微觀檢測法

在微觀瑕疵的檢測上，有些研究者是利用影像相減（Image Subtraction）的方法找出待檢測影像與標準影像之間的差異（此即為瑕疵）；有些研究者是利用傅利葉轉換（Fourier Transform）找出瑕疵；有些研究者則是利用 Singular Value Decomposition 的方法找出瑕疵。

(37)

有些瑕疵因為面積太小的關係，此時若再經過鏡頭所得到的影像，將無法由巨觀的影像中察覺出來，因此必須將整個面板畫分為數個子區域，以微觀的方式進行檢測。此部分的檢測主要針對線與點的瑕疵。利用這兩種瑕疵的特性，建立線段找尋與點瑕疵的檢測。

對於微觀瑕疵的檢測，本研究擬以設定容許灰階差的方式做為是否為瑕疵的判定標準。舉例來說，當某一個像素之灰階值GL，與鄰近像素之平均灰階值 GL_av^g，差超過所設定之門檻值 T 時，則該像素點即可被視為異常點（亮點或暗點）。當所有異常點都被發現後，進一步分析由異常點所構成之異常影像即可將異常點分成點缺陷。

3-3 檢測系統設備

視覺檢測除了做影像處理分析外，還包含了處理前的影像擷取工作。擷取ㄧ張良好的影像，將使得後續的影響處理工作更加的容易，也可以增加處理結果的正確性。在檢測系統的規劃方面，可以分為硬體取像設備與軟體程式編寫兩大方面，將一一說明如下：

3-3.1. 硬體方面

為了模擬傳統人工檢測方式，對於巨觀瑕疵的檢測，本研究擬採取一次攫取整個畫面的方式進行，使用配備有廣角鏡頭之 CCD 攝影機，以距離 DUT 25 至 35 公分的方式對 DUT 所顯現之樣板進行取像及分析。針對檢測巨觀瑕疵所規劃之實驗配置請參考圖 3.3 所示之巨觀檢測瑕疵設備示意圖。由於本研究將以 15 吋 LCD 螢幕做為待檢測面板，當所使用之 CCD 其感測器尺寸為 1/2 英吋，而工作距離等於 30 公分時，如果視野（Field of View，簡稱 FOV）要含蓋整個 LCD

(38)

螢幕，則估算所得之鏡頭焦距大約是 6mm（35/30=6.4/f Æ f=30*0.5/35=6 mm Æ 廣角鏡頭）。

圖 3.3 巨觀瑕疵檢測設備示意圖

實際的檢測系統是由架設在翻拍架上的彩色 CCD 攝影機，然後依檢測的樣本，考慮擷取的面積大小，來選用適當焦距的鏡頭。在實驗儀器硬體設備方面有面掃描 CCD 攝影機、巨觀與微觀鏡頭、影像擷取卡、翻拍架、及個人電腦。各項設備說明如下所示：

面掃描 CCD 攝影機：

使用日本 JAI 公司出產的型號 CV-M70 之彩色高解析度攝影機，最大解析度為 648（水平）x 486（垂直）像素，感知器為 1/2 英吋，輸出格式為 RGB 彩色影像。本研究所處理之影像大小為 640x480 像素。

(39)

巨觀與微觀鏡頭：

在巨觀方面為了模擬實際的人工點燈測試，本研究以 30cm 的工作距離，搭配所使用的 CV-M70 並配合成像公式 3.1 來選擇適當的鏡頭。

圖 3.4 成像原理示意圖

從圖 3.4 中可知工作距離、待測物件寬度、焦距、感應器大小之間的關係，

進而得知攝影機所需的架設高度，其關係式如下：

焦距感測器大小

待測物件寬度 =工作距離 ………..…………..(3.1) cm

cm 35 35 ×

工作距離 30cm，待測物體，感知器大小，經公

式計算後，本研究巨觀檢測使用的鏡頭焦距為 6mm 之廣角鏡頭。

mm mm 6.4 8

. 4 ×

在微觀檢測方面，使用的是 Zoom 7000 型的可變焦巨觀鏡頭，可變焦距的範圍為 18mm~108mm。微觀檢測時依面板上的待檢測子區域大小，配合檢測的工作距離，就可以利用公式將焦距計算出來，然後調整焦距成像於 CCD 的感知器。

影像擷取卡：

本研究用來擷取影像的影像卡為 Matrox 公司所製造的 Meteor- II /

(40)

Multi-Channel 影像擷取卡，主要功能為將所擷取的類比訊號轉換成影像處理所需的數位訊號，電腦才能進行影像處理的工作。

翻拍架及三腳架：

翻拍架主要用途為固定 CCD 位置及方便調整工作距離，工作距離可調整範圍為 10cm~73cm。而三腳架則是用來固定 CCD，並使得 CCD 可以由不同的角度取得面板的影像。

面板：

使用的面板為Genuine的 15 吋液晶顯示面板，解析度為1024 x 768 @75Hz，

訊號輸入方式為RGB類比，點距為 0.297（H）x0.297（V）mm，用來模擬在點燈檢測中的待檢測面板。

個人電腦：

用來產生點燈檢測樣板的電腦為 Intel Pentium III 800，以及大小為 256MB 的動態存取記憶體。檢測系統使用的電腦中央處理器為 AMD AthlonXP 1800，

動態存取記憶體大小為 512MB。

3-3.2. 軟體方面

在檢測軟體寫作方面，則是利用 Borland C++ Builder 5.0 作為撰寫的環境，

搭配 Matrox 公司所發展的影像處理函式庫（MIL，Matrox Imaging Library）配合影像的擷取，加上本實驗室所自行發展使用的基本影像處理程式，來撰寫影像處理軟體。

(41)

第四章研究方法

使用機器視覺技術來做檢測動作的時候，首先考慮的不是使用哪種影像處理技術來解決影像的問題，而是如何可以將需要檢測的瑕疵，在擷取影像時就清楚的在影像中顯示出來。ㄧ張良好的影像，除了會使得問題更容易分析外，也會讓結果更佳的精準。因此，在實驗之前將先對取像的環境，及所擷取的影像作一粗略分析。

4-1 影像擷取

當使用機器視覺檢測技術時，影像擷取品質的良劣往往對於處理結果的影響十分明顯，其中又以光線的因素對於影像處理上最有影響力。因此，如何在檢測時擷取良好的影像，便是相當重要的一件事。液晶是一種介於液體狀態與固體狀態之間的化學物質，像磁場中的金屬一樣，一受到外界電場影響作用時，其分子間會產生精確的有序排列。如果對分子的排列予以適當的控制，液晶分子就會允許光線穿越。LCD 的液晶分子並無法自主的發光，我們所見到的光源是位於面板後的背光模組所產生的，如此一來才可以見到面板顯示的內容。在背光模組中，依據光源照明方式(如圖 4.1 所示)的不同，可分為邊光式（Edge Light or Side Light）與直下式照明（Direct Light）兩種。

(42)

邊光式照明直下式照明圖 4.1 背光模組照明方式

(資料來源：成功大學陳鴻滄等人之專題報告) [20]

由於擷取影像使用的光源是由待檢測面板產生檢測樣板時所散發出來的，並無外加的照射光源，然後經由鏡頭的光圈，最後由 CCD 的感知器感光所得到。

在所擷取到的影像中（如圖 4.2 所示）處處充滿了顏色不均的情形（如圖 4.3 所示）。

圖 4.2 面板影像擷取圖

(43)

圖 4.3 影像 R 分量灰階分布圖

由影像中可以明顯的看到灰階不均的現象，而一般的影像處理方式是以外加光源的方式來改善取像時的灰階不均勻的現象，以彌補影像中光源不足的地方。

彩色攝影機是以 3 個感光元構成一個基本像素(pixels)。就彩色 RGB 攝影機出廠的設定值而言，其色溫大約在 3600ºK 左右，因而會讓影像色彩出現明顯偏藍色 (Blue)的情況，然而這項初始設定值比較符合實際自然光譜，其灰階或亮度的感光與轉換接近線性，通常使用於數位彩色影像分析與處理。當然，亦可改變其色溫為 4500ºK 或 5600ºK，或配合白色 LED 及高週波螢光燈源，其輸出影像顏色就會趨近真實。

本研究初期曾嘗試以不同的光源以及不同的光源照射角度來擷取影像，但是因為顯示面板對於 CCD 攝影機本身而言就算是一個會自主發光的物體，因此若是以外加光源的方式加以照射，所取得的影像還是不盡人意。雖然影像中較暗的區域會因為外加光源的影響而變得明亮，但是影像中的其他區域卻也會因為這外加的光源影響而改變，所以影像中仍是處處充滿了灰階不均的情況。且因為是使用彩色 CCD 攝影機取像，如果要強制加上光源，則還需要考慮外加光源與面板

(44)

顯示樣本顏色之間的關係，並無法以一單色光源進行照明，且在選擇適合光源時有施行上的困難存在。

因此本研究使用面板本身之背光源，在暗室中擷取影像，以減少光源對於取像的影響，使得灰階不均現象降至最低。

4-2 色彩模型

一般色彩量測所使用的工具是輝度計，利用輝度計所讀出的數值判斷色彩是否正確。但是對視覺檢測系統而言，影像是光線經過鏡頭光圈，然後由 CCD 感知器感光所得，因此所得到的影像色彩與人眼所見並不相同。

RGB 色彩模型是影像處理中最常見也最常用的色彩模型，利用 RGB 色彩模型則所有顏色是以紅（R）、綠（G）、藍（B）來構成。RGB 色彩模型可以看做是由直角座標系統組成的正立方體（如圖 4.4 所示）。R、G、B 可以看成是正立方體相對於座標軸上的三個頂點；而青（Cyanine）、紫（Magenta）、黃（Yellow）

則是相對於各平面上的另三個頂點；黑色相對於原點；而白色則是離原點最遠的頂點。灰階顏色可視為位於黑色與白色連線的直線上，其餘彩色顏色則是可以看做是散佈在正立方體的內部，只要將 R、G、B 三原色做適當的調配組合，就能夠得到所需的各種顏色。

(45)

圖 4.4 RGB 彩色模型立體方塊示意圖

在點燈測試時使用的樣本中，有許多的樣本也是在 R、G、B 單色的情況下或是其組合的顏色中做檢測的，因此本研究將使用 RGB 色彩模型當作彩色影像分析處理的基礎。

4-3 實驗方法

本研究利用機器視覺技術進行液晶面板點燈檢測。就檢測的流程而言（如圖 4.5 所示），根據瑕疵之大小將瑕疵分成巨觀瑕疵及微觀瑕疵兩大類。由於巨觀檢測法是檢查的面積較大的瑕疵，所以使用整個液晶面板做為待測物體；對於微觀瑕疵而言，由於這些瑕疵大都屬於點的瑕疵，所以將面板劃分為數個子區域來做微觀檢測法。以下將就各部份流程與方法作詳述說明。

(46)

圖 4.5 檢測流程示意圖

4-3-1

巨觀檢測法

此部份主要是針對點燈測試中屬於較大面積的瑕疵來做檢測，如 Mura 現象、BAND 失效等瑕疵。減少微觀檢測不易處理的情形，如瑕疵面積大於微觀檢測子區域，將造成判斷上的困難。巨觀檢測法之流程如圖 4.6 所示，先擷取標準的樣板影像，再從影像中抽取所需要的資料，如 RGB 各分量之灰階值、平均值、

標準差等。然後擷取待檢測面板，並從影像中抽取所需要的資料。最後比較這兩者之間的差異，並依照不同的情形設定相關的閥值來判斷瑕疵是否存在，詳細說明如下：

(47)

圖 4.6 巨觀檢測法流程圖

4-3-1.1 平均值

在處理影像時，必須計算平均值。首先將整張 640 x 480 pixels 的影像劃分為 80 x 80 個子區域，每ㄧ子區域大小約為 8 x 6 pixels，計算每一區域的平均值，

可以大略的了解影像中各子區域的平均灰階值情況，然後利用每ㄧ個子區域中像素點的資料將平均值與標準差計算出來。任何一個子區域灰階值的平均值都可以利用 4.1 式所示：

∑

= x n

X _i/ ………（4.1）

其中X表示該子區域的平均灰階值，

∑

^xⁱ 表示該子區域的各資料點的灰階值總和，n為該子區域資料點的總數。經由平均值可以知道各子區域的灰階值分布情

(48)

形，平均值計算結果顯示如圖4.7所示：

圖4.7 RGB各分量平均值結果

4-3-1.2 標準差

單以平均值來表示各子區域間灰階值的分布關係是不夠的，因為平均值的大小會受到灰階值總和的影響。有可能會出現各子區域間擁有的灰階值差異性很大，但是灰階值相加的總和卻是相同的情形，因此必須計算出各子區域的灰階標準差，進而得知各子區域之間的灰階差異性。

雖然子區域的灰階平均值可能一樣，但是各子區域的灰階值與其平均值間的分散程度卻各不相同。在統計上可以用標準偏差（Standard Deviation, 以符號s表示）來代表一組數值中各測量值與其平均值之間分散的程度，標準差的算法如 4.2式所示：

(49)

1 )

( ²

−

=

∑

− n

x

s xⁱ ………（4.2）

其中表示該子區域各資料點的灰階值，x表示該子區域的灰階值平均值，

n為該子區域資料點的總數。標準差計算結果顯示如圖4.8所示：

xi

圖4.8 RGB各分量標準差結果

4-3-1.3 閥值設定

計算出標準差之後，就可以了解各子區域之間的灰階差異情形。然後可以設定出一個標準差的閥值，若是標準差的差異超過設定之閥值，則判定該子區域有瑕疵存在；若是標準差的差異小於閥值，則表示該子區域沒有瑕疵。

雖然可以透過設定標準差閥值的方式來判斷瑕疵是否存在，但是對於不同顏色之樣本，檢測時所適合的色彩模型分量並不一定相同，因此無法僅使用單一的

(50)

色彩分量對全部的顏色樣本進行檢測，再者，在每個顏色樣本下做瑕疵檢測時，

所對應的最佳色彩分量所需之閥值大小也不盡相同。

評估影像間的標準差所允許的偏差性閥值大小，是在經過多次實驗比較後，

在每ㄧ種的檢測顏色樣本下，對應到檢測樣本的最佳RGB分量所需要的判斷數值，然後以平均的方式所計算出來的。

4-3-1.4 誤差排除

根據所設定的標準差差異量閥值進行瑕疵判斷後，就可以偵測出瑕疵，但是也會有誤判的情形(圖4.9)。實驗顯示，誤判為瑕疵之子區域通常是單獨存在的，

換言之並未出現被誤判為瑕疵之子區域有兩兩相連的情況。因此，我們可以將單獨出現之瑕疵子區域視為誤判，亦即忽略此瑕疵的存在。在加入這個限制條件後，可以讓巨觀檢測的誤判率大大的減少。即便如此，當真有瑕疵在巨觀檢測的結果中是以單一子區瑕疵的情形出現也沒關係，此類瑕疵在微觀檢測時也是會被偵測出來的。

時間一時間二

圖4.9不同取像時間所得影像之處理結果

(51)

4-3-2

微觀檢測

有些瑕疵面積與整個面板面積相比較之下，在面積上的比例便顯得十分的小，此時若再經過CCD所擷取到的影像，這些面積小的瑕疵將無法由巨觀的影像中察覺出來，例如點瑕疵及弱線瑕疵等。因此，本研究將藉由小面積的微觀檢測，將微觀瑕疵找尋出來。在研究初期曾嘗試將整個面板區域劃分為3x3、4x4、 5x5 個子區域的方式來進行檢測，但是分割成 3x3、4x4 個子區域的方式仍是無法將點的資料完整的呈現在影像中，而5x5個子區域則可以將點的資訊完全的顯示出來，所以本實驗最後是採取將面板劃分為5x5個子區域來做檢測。

在微觀檢測的流程方面（圖4.10所示）將分為線瑕疵的找尋與點瑕疵的找尋兩部份來進行，將兩部份流程一一詳述如下：

圖4.10 微觀檢測流程圖

(52)

4-3-2.1 線瑕疵找尋

依據瑕疵的面積大小可以將瑕疵分類為巨觀檢測與微觀檢測兩類，其中微觀檢測方面又細分為線瑕疵與點瑕疵找尋。線瑕疵的檢測流程如下圖4.11所示，

並對各步驟做一詳細說明：

開始

擷取影像

影像相減

高增幅濾波

二值化

中值濾波

線段找尋

結束

圖4.11 線瑕疵的檢測流程圖

4-3-2.1.1 影像相減

在突顯出瑕疵的眾多方法中，利用影像相減是ㄧ種最簡單而直接的方法。當擁有標準影像與待檢測影像時，一旦瑕疵存在待檢測影像中，相減後將可以得知標準影像與待檢測影像之間的不同（如圖4.12 所示）。

(53)

標準影像瑕疵影像相減後圖4.12 影像相減之結果

可是擁有弱線的影像經過一般的影像相減方式並無法得到預期的效果。但是若是利用影像是無負整數（unsigned char）的宣告方式，影像經過直接相減的運算，便可以將弱線的部份在相減後的影像中突顯出來。在圖 4.13、圖 4.14、圖 4.15中可以看出影像在RGB各分量作影像相減後，弱線在影像中的突顯程度，

本研究在選用影像相減時所需要的RGB色彩模型分量時，因為在G分量上做影像相減會比在其他兩個分量上做影像相減顯的更加清晰，因此本研究選擇使用G 分量作為影像相減時所使用的色彩模型分量。

無瑕疵標準R分量影像擁有弱線的R分量影像 影像相減後

圖4.13 影像使用R分量做影像相減之結果

(54)

無瑕疵標準G分量影像擁有弱線的G分量影像 影像相減後

圖4.14 影像使用G分量做影像相減之結果

無瑕疵標準B分量影像擁有弱線的B分量影像 影像相減後

圖4.15 影像使用B分量做影像相減之結果

4-3-2.1.2 高增幅濾波

銳化處理主要用來強化影像的高頻部分或是用來強化物體的邊界線，常見的銳化濾波有高通濾波、高增幅濾波以及導數濾波，本研究使用高增幅濾波器來達到影像增強的目的。高增幅濾波所使用的遮罩（圖4.16）：

-1 -1 -1 -1 W -1 -1 -1 -1

圖4.16 高增幅濾使用之遮罩

(55)

1 9 −

= A

W

其中，W表示遮罩係數，，且A必需大於0，當A = 1時，即為一般常見的高通濾波。本研究使用2個不同的A值來找尋線的瑕疵，A=1可用來找尋灰階差異較大的線段；A=5可用來找尋灰階差異較小的線段。

影像相減結果如圖4.17所示，經高增幅影像處理後之結果影像如下圖4.18 所示：

圖4.17 相減結果圖4.18 經過高增幅結果

4-3-2.1.3 二值化處理

根據影像中灰階的分佈特性，可以從中取得許多的資訊，但是就影像處理而言，太多的資料反而顯得雜亂不堪，因此，將影像進行二值化處理，就能得到較為簡潔的資訊。在影像中設定一個閥值，大於閥值則將灰階值設為255，小於閥值則灰階值為0。二值化屬於影像分割的技術，主要目的是將主體與背景分離出來。

在二值化的方法中，有百分比法、Mode Method、平均灰階值法、邊緣特徵閥值計算法、歐蘇法、疊代法、矩量恆定法，這些都屬於自動的二值化方法，但是應用到影像中，依據這些方法找出來的自動化閥值去進行影像的二值化，所得到的結果卻都是不理想的。因此，本研究先採用手動二值化的方式將各顏色樣本

(56)

所需的二值化閥值找出，再利用統計平均的方式，訂定一個適合的門檻值作為本研究的二值化閥值。在二值化處理中，使用的閥值為240。影像高增幅結果如圖 4.19所示，經二值化影像處理結果如下圖4.20所示：

圖4.19 高增幅結果影像圖4.20 經過二值化結果

4-3-2.1.4 中值濾波

濾波器的主要用途是用來消除雜訊或強化物體的邊緣位置，不同的遮罩設計方式所處理的結果也不相同。濾波器大致上可分為高通濾波器與低通濾波器兩類，而在實驗步驟的處理上，本研究此時所需要的主要目的是利用濾波器把雜訊去除，因此使用的是低通濾波器。

常見的低通濾波器有均值濾波器、中值濾波器與高斯濾波器。其中均值濾波器可以將雜訊去除，其效果是將雜訊分配給週遭的像素，會造成影像的模糊化；

而中值濾波器也可以將雜訊去除，對於物體邊界的形狀及位置卻仍能保持。如圖 4.21所示，二值化後的影像中仍存有大量類似鹽巴般的雜訊，因此，選擇中值濾波器當作本研究所使用的濾波器。

中值濾波器的原理是利用遮罩的計算方式，在影像中依照從左上到右下的計

(57)

算方式進行邏輯的運算，將遮罩內像素的灰階值由大到小做排序處理，找出灰階值在介於正中間的數值，然後以該值取代遮罩中間像素的灰階值。影像經中值濾波處理方式如下圖4.21所示：

72 221 254

239 157 30

47 0 130

原始影像

0 ,30 ,47 ,72 ,130 ,157 ,221 ,239 ,254 （排序後結果）

72 221 254

239 130 30

47 0 130

中值濾波後影像

圖4.21 影像經中值濾波之結果

將圖4.22所示之二值化影像以中值濾波加以處理，處理後之結果如圖4.23所示：

(58)

圖4.22 二值化結果影像圖4.23 經過中值濾波結果

4-3-2.1.5 線段找尋

經過二值化處理之後，大部分的雜訊都可以被清除，剩下來的資料點就可以隱約的看出現線瑕疵的所在（如下圖4.24所示），接著使用投影法，將影像上的每個資料點投影累加到X軸與 Y軸的相對位置，依據所設定的累加閥值來判斷是否有線瑕疵存在。一但超過了所允許的設定閥值，視判斷的閥值屬於 X 軸或是Y軸，將瑕疵予以畫出（如下圖4.25所示）。本研究在投影法中預設的累加閥值為10個pixel。

圖4.24 中值濾波結果影像圖4.25 線段找尋結果

(59)

4-3-2.2 點瑕疵找尋

微觀檢測的點瑕疵找尋方面。點的瑕疵包括亮點、暗點、小亮點、兩點相連與亮點群。因為考慮到CCD取像的能力，所得到的影像畢竟不如人眼所看到的樣板，因此，本研究只針對點瑕疵加以找出，並未對點瑕疵做分類的工作。點瑕疵的檢測流程圖4.26如下所示：

開始

擷取待檢測影像

平均值計算

標準差計算

是否大於設定閥值?

是

否

結束

輸出瑕疵

圖4.26 點瑕疵的檢測流程圖

利用樣本產生器先將面板劃分為5x5個子區域，然後依面板顯示的子區域將樣本產生出來，未檢測的子區域則不產生檢測樣本。

在點瑕疵的檢測上，使用的方法如同巨觀檢測使用的方法。是將微觀檢測中的點瑕疵於此時視為極小面積的mura，然後使用平均值與標準差來檢測面板上的點瑕疵。