行政院國家科學委員會專題研究計畫 成果報告
以機器視覺為基礎之平面顯示器自動點燈測試系統
計畫類別： 個別型計畫
計畫編號： NSC93-2212-E-216-006-
執行期間： 93 年 08 月 01 日至 94 年 07 月 31 日 執行單位： 中華大學機械工程學系
計畫主持人： 邱奕契
計畫參與人員： 林正宇, 陳學宇
報告類型： 精簡報告
報告附件： 出席國際會議研究心得報告及發表論文
處理方式： 本計畫涉及專利或其他智慧財產權，1 年後可公開查詢
中 華 民 國 94 年 9 月 22 日
以機器視覺為基礎之平面顯示器自動點燈測試系統 以機器視覺為基礎之平面顯示器自動點燈測試系統 以機器視覺為基礎之平面顯示器自動點燈測試系統 以機器視覺為基礎之平面顯示器自動點燈測試系統 A Machine Vision-Based Automated Light-on Test System
for Flat Panel Displays
計畫編號：93-2212-E-216-006
執行期限：93年 8 月 1 日至94年 7 月 30 日 主持人：邱奕契 中華大學機械工程學系
Email: [email protected] 中文
中文 中文 中文摘要摘要摘要摘要
在 LCD 的製造過程中包含許多不同種 類的檢測。雖然機器視覺技術已廣泛的應用 在品質管制上，某些檢測的工作卻依舊仰賴 人工在進行，例如模組製程中的點燈檢測，
大都還是採取人工目檢的方式。人工目檢的 最大缺點是無法提供客觀的判定，換言之，
人工檢測比較容易受主觀意識的影響，產生 偏差的結果。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，提供客觀的面板分級系統。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。首先以巨觀檢測 法，檢查面積較大的巨觀瑕疵，接著再以微 觀檢測法，檢查面積較小的細瑕疵。巨觀檢 測是先對整個面板取像，再將影像劃分成數 個子區域，並逐一計算各子區域的灰階標準 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 之 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，再 依序對各子區域進行取像與檢測。細瑕疵檢 測法也是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有待加強。
關鍵字 關鍵字 關鍵字
關鍵字：LCD、點燈檢測、瑕疵偵測
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 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 methodology can effectively detect point defects (bright point, dark point, weak point), line defects (bright line, dark line, weak line), block defects, muras.
Keywords: LCD, Light-on Test, Defect Detection
1. 前言 前言 前言 前言
隨著玻璃基板尺寸的不斷擴大，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 基板的支撐梢數量增加，在支點處出現Mura 的機率也隨之增加。再者，玻璃基板尺寸變 大，重量也會變重，此時以雙手握住基板進 行 缺 陷 檢 視 的 人 工 檢 測 方 式 將 變 得 不 可 行。由此看來，隨著五、六、七代廠產能的 逐漸開出，發展自動光學檢測系統的確有其 必要性與急迫性。
LCD製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，但是仍然有許多檢測作 業，目前都還是仰賴人工目檢的方式在進 行，例如點燈測試（Light On Test）。點燈測 試是在 LCD 與背光模組完成組立後所進行 的一種品質保證的工作。測試時是利用樣板 產生器依序在面板上產生純白、純黑、純 紅、純綠、純藍等約十幾種影像（此過程稱 為點燈），並由檢測人員以肉眼快速的掃瞄 影像中是否有異常現象，並根據檢查結果將 面板分級。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純黑影像時，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，否則即代表有缺陷；全黑樣 板通常是用來偵測線缺陷、亮點、纖毛、及 出現於cell邊界之Mura。又如當樣板產生器 產生純白影像時，如果面板沒任何缺陷，則 面板將呈現純白影像，否則即代表有缺陷；
全白樣板通常是用來偵測線缺陷、暗點（dark point）、及纖毛。至於紅、綠、藍樣板除了 可以用來偵測線缺陷及纖毛外，還可以用來 偵測相鄰點缺陷，以及顏色不均。
2. 研究目的 研究目的 研究目的 研究目的
人工檢測是有其無可取代的地方，但是 檢測結果卻有易受個人主觀意識影響的缺 點。有鑑於此，為了讓檢測結果具有客觀 性，本研究試圖發展一套以機器視覺為基礎 之自動點燈測試系統。
3. 文獻 文獻 文獻 文獻探討 探討 探討 探討
運用機器視覺技術在 LCD 面板相關的 研究，國內外都相當多。吳木杏 [1]發展以 影像相減為基礎之彩色濾光片表面瑕疵檢 測系統。該系統使用768x576解析度之黑白 攝影機，首先建立標準影像，然後將待檢測 影像進行影像定位，最後再將兩張影像進行 影像相減，以得到彩色濾光片上的瑕疵。劉 祥吉 [2]一方面運用人因工程、可靠度工 程、及機器視覺強化瑕疵之檢出率；另一方 面運用機器視覺輔助人工視覺進行 mura 的 判定。該研究在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顏色不均的 瑕疵。Nakashima [3]發展結合影像相減與傅 立葉濾波的混合式檢測法，可針對 LCD 彩 色濾光片上的巨觀與微觀瑕疵進行檢測。
Park [4]採用 blob-Mura 瑕疵限制函數檢測 LCD 面 板 ， 並 使 用 型 態 處 理 提 升 blob-defect-detecting 演算法的偵測能力。當 瑕疵直徑超過49 pixels，瑕疵內部會有灰階 不均的情形，此時可以透過改變影像大小的 方式來符合限制函式，以便達成瑕疵偵測的 目的。Saitoh [5]利用自動視覺檢測與基因演 算法搜尋 LCD 面板上的亮度不均，並找出 亮度不均的邊界像素點。
從以上及其它更多的文獻回顧可以發 現，國內外有關 LCD 方面的瑕疵檢測，大 都偏重於檢查彩色濾光片上是否有瑕疵以 及色彩是否均一。鮮少有學者針對如何運用 機器視覺技術，取代傳統勞力密集之人工點 燈測試進行研究。
4. 研究方法 研究方法 研究方法 研究方法
在檢測方法上，本研究係根據瑕疵的大 小分別使用巨觀檢測法及微觀檢測法進行 瑕疵的偵測。首先以巨觀檢測法檢查是否有 mura及band 失效等大面積的瑕疵（巨觀瑕 疵）；如果沒有，再以微觀檢測法檢查是否 有亮線、暗線、弱線、亮點、暗點、及顏色 異常等面積較小的瑕疵（微觀瑕疵）。
4.1擷取影像擷取影像擷取影像擷取影像
機器視覺檢測時，攫取所得影像的品質 影響檢測結果甚劇，其中以光線對影像品質 影響最大。本研究曾嘗試使用不同的光源及 不同的光源照射角擷取影像，但是因為面板 本身就是一個會自主發光的物體，若是以外 加光源的方式加以照明，雖然影像中較暗的 區域會因此而變得較亮，但是影像中其他部 份也會因此而受影響。有時甚至會發生光線 互相干擾的情形，使得色彩不均的現象更加 嚴重。另外，由於攫取的是彩色影像，如果 需要外加光源，還必需考慮光源顏色與面板 當時顯示之樣板顏色之間的關係，單一種顏 色的光源並無法滿足所有樣板。有鑑於此，
本研究於檢測時並未使用外加光源，而是直 接讓待檢測面板所散發出來的光線，在通過 鏡頭的光圈後成像在攝影機的感知器上以 獲得影像。雖然面板所呈現的樣板影像相當 均勻，然而經過攝影機攫取後，已經不是原 本色彩均勻的影像了。換言之，攝影機攫取 所得之影像與人眼所看到的是影像有著相 當大的差距，這是本研究所遭遇的最大問 題。
4.2巨觀檢測巨觀檢測巨觀檢測巨觀檢測
如前所述，巨觀檢測主要是針對面積較 大的瑕疵做檢測。一般說來，當影像中某個 區域出現面積較大的瑕疵（例如 Mura 或 Band失效），該區域的色彩與鄰近區域的色 彩必定有所差異，因此透過色彩平均值與標 準差的比較，即可發現瑕疵出現的區域。為 了能夠找出大面積的瑕疵，巨觀檢測是先對 整個面板取像，再將攫取所得之影像（640 x
480）劃分成80 x 80子區域（每個子區域大
約是8 x 6 pixels）。接下來逐一計算各個子區 域的 RGB 分量、各分量之平均灰階值、及 灰階標準差，最後再根據各子區域的灰階標 準差與標準樣板影像對應子區域的灰階標 準差的差值判斷是否有瑕疵。巨觀檢測之流 程請參考圖二所示之流程圖，流程中各步驟 所使用之方法及原理詳細說明如下。
4.2.1平均值
透過平均灰階的計算可約略了解各子 區域之灰階分佈情形。令 xij代表第i個子區 域的第 j個像素的灰階值，而n代表各子區 域之像素點總數，則第i個子區域的平均灰 階值µi都可以下式求得。
∑
=
=
n j
ij
i x
n 1
µ 1 (1)
4.2.2標準差
單純的以平均灰階值並無法正確的判 定某個子區域是否有瑕疵，這是因為平均灰 階值的大小與區域內所有像素點的灰階值 的總和有關。實際運用時，有可能出現平均 灰階值差不多，但是區域內各個像素點的灰 階值相差卻很大的情形。在統計上，標準差
（Standard Deviation）可用來代表一組數值 中各測量值與其平均值之間分散的程度。因 此，本研究進一步計算各子區域的灰階標準 差，以便得知子區域與子區域之間的灰階差 異。第i個子區域的標準差σi可以下式求得。
1 )
( 2
−
=
∑
− n xij ii
σ µ
(2)4.2.3瑕疵判斷
瑕疵檢測前，首先計算各子區域之標準 差與金樣本影像相對應子區域之標準差的 差值，此值即所謂的標準差差異量。第i個 子區域的標準差差異量∆σi可以下式求得。
i gi
i σ σ
σ = −
∆ (3)
其中σgi代表金樣本影像第i個子區域的標 準差。瑕疵檢測則是以設定標準差差異量閥 值（Tσ ）的方式，判定各子區域是否有瑕疵。
若∆σi大於Tσ ，表示該子區域有瑕疵存在；
反之，如果∆σi小於Tσ ，則表示該子區域沒 有瑕疵。巨觀檢測時，本研究所使用之標準 差差異量閥值是利用G分量計算所得的，其
值為 2。此差異量閥值是透過多次實驗比對
後，取其平均值所得到的。
4.3微微微微觀檢測觀檢測觀檢測觀檢測
完成巨觀檢測後，剩下的都是屬於面積 較小的細瑕疵。為了能夠將巨觀檢測所無法 察覺的細瑕疵一併找出來，微觀檢測是先將 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的取像與檢測。研究初 期曾嘗試將整個面板分成3×3、4×4、及5×5 個子區域，但是分割成3×3或4×4個子區域 的方式並無法將面板中的像素點完整的呈 現在影像中，因此本研究是將面板劃分成 5×5 個子區域。偵測細瑕疵的演算法也是先 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，微觀檢測之流程 請參考圖三所示之流程圖。值得一提的是，
微觀檢測又分成線瑕疵的偵測及點瑕疵的 偵測兩部份，以下就流程中各步驟所使用之 方法及原理做更詳細的說明。
4.3.1線瑕疵找尋
在弱線的偵測上，單純的以標準差判斷 會有誤判的情形，因此本研究針對弱線的特 性，發展出圖四所示之流程以便找出弱線。
4.3.1.1影像相減
一般說來，當有金樣本影像可資利用 時，影像相減是突顯瑕疵最簡單直接的方 法。將待檢測影像與金樣本影像相減，一旦 待檢測影像中有瑕疵存在，相減後即可獲得 瑕疵影像。然而具有弱線的影像，利用影像 相減並無法得到預期的效果，除非將影像的 資料型式宣告為unsigned char。實驗顯示，
使用 G分量做影像相減會比在 R或 B分量 上做影像相減可得到更清晰的線瑕疵影像。
4.3.1.2高增幅濾波
高 增 幅 濾 波 器 屬 於 銳 化 濾 波 器 的 一 種，具有強化影像高頻部分的作用，可用來 強化物體的邊界。本研究即是使用高增幅濾 波器來增強影像，濾波所使用之遮罩如下：
-1 -1 -1 -1 W -1 -1 -1 -1
本研究使用2個不同的W值來找尋線 的瑕疵對於灰階差異較大的線段，W=8（此 即為一般常見的高通濾波）；對於灰階差異 較小的線段，W=44。
4.3.1.3二值化處理
高增幅濾波後之影像仍存有許多不屬 於線瑕疵的資訊，因此二值化的目的就是要 將這些非線瑕疵排除。為了得到適當的二值 化閥值，本研究先以手動二值化的方式，將 標準樣板影像之 R、G、B 三個色彩分量所 需的二值化閥值找出來，接著再利用統計平 均值的方式，訂定一個適合的閥值。實驗結 果顯示，二值化閥值以240最適當。
4.3.1.3中值濾波
影像經二值化處理後，仍存有大量類似 鹽巴的白色雜訊，因此，本研究接著透過中 值濾波將此類雜訊去除。
4.3.1.4線段找尋
經過二值化及中值濾波處理後，大部分 的雜訊都已被移除。從剩下來的資料點可約 略看出現線瑕疵。為了找出線瑕疵的位置，
本研究接著使用投影法，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，
並依據事先設定之投影量閥值，判斷是否有 線瑕疵。一般說來，當某個位置的投影量超 過所設定的閥值，即可得知該處有水平或垂 直線瑕疵。
4.3.2點瑕疵找尋
本 研 究 將 點 瑕 疵 視 為 面 積 極 小 的 mura，因此在點瑕疵的檢測上，同樣是根據 灰階標準差的差值判斷是否為瑕疵。雖然根 據灰階標準差的差值可偵測出點瑕疵，但是
在 R、G、B 三種色彩樣本下，檢測所需之
閥值不盡相同。除此之外，在 R、G、B 樣 本下，所能偵測的點瑕疵也不相同。實驗結 果顯示，使用紅色與藍色樣本比較容易將灰 階較高的點瑕疵找出來。另一方面，使用綠 色樣本則比較容易將灰階較低的點瑕疵找 出來。
5. 結果與討論 結果與討論 結果與討論 結果與討論
本研究利用彩色 CCD 攝影機及影像處 理技術對液晶面板進行點燈檢測。檢測時是 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。檢測程序上是先 以巨觀檢測法，檢查面積較大的巨觀瑕疵。
然後，再以微觀檢測法，檢查面積較小的細 瑕疵。以下就檢測結果進行說明與討論。
5.1結果結果結果結果
液晶面板巨觀檢測之結果如圖五至圖 八所示。其中圖五為金樣本影像標準差計算 結果之部份列表，圖六為具有 mura 影像標 準差計算結果之部份列表。仔細比較兩表可 以發現，具有mura瑕疵影像之第205及206 兩個子區域（紅色框標示處）的標準差比金 樣本影像相對區域的標準差的差值已超出 預設之標準差閥值，因此可以判定該二子區 域有瑕疵。圖七為 mura 檢測之結果，其中 左圖為攫取所得之 mura 影像，右圖為利用 標準差差值法判斷後所找到的 mura 瑕疵一 共有三處。圖八為 band 失效之檢測結果，
其中左圖為攫取所得具有 band 失效缺陷之 影像，右圖則是利用標準差差異法檢測出之 band失效瑕疵。
以微觀檢測法對面板進行取像與檢測 之結果如圖九及圖十所示。圖九為線瑕疵之 檢測結果，其中左圖為攫取所得具有線瑕疵 之影像，右圖為經過線瑕疵偵測法處理後所 得到的結果影像。圖十為點瑕疵之檢測結 果，左圖為攫取所得具有點瑕疵之面板影 像，其中亮暗點各有四點，右圖為經過點瑕 疵偵測法處理後所得到的結果影像。
5.2討論討論討論討論
由於本研究所使用之攝影機，在影像色 彩的擷取上偏向藍色，因此擷取所得之影像 與人眼所看到的影像差距頗大。線瑕疵的檢 測方法，是針對弱線的特性來進行的，方法 是利用不同的權重值高增幅濾波增強弱線 的邊界點，再以投影的方式找出弱線，但是 如果線瑕疵的灰階差異過小，還是會有失敗
的可能。使用標準差比較的方式雖然可以找 出瑕疵，但是標準差閥值會受面板本身亮度 及攝影機擷取色彩能力的影響。目前對於如 何設定標準差差異量的閥值，並沒有合適的 經驗公式可用。換言之，標準差差異量閥值 並非固定值，必需根據實際的面板加以調 整。
5.3結論與建議結論與建議結論與建議結論與建議
本研究使用平均灰階值及灰階值標準 差比較的方式，進行面板的點燈測試，可將 band 失效、mura 及點缺陷（亮點、暗點、
顏色異常）等瑕疵找出來。至於亮線、暗線、
及弱線，透過二值化、高增幅濾波、及投影 等影像處理技術處理後也可偵測出。
本研究雖然粗具成效，可惜的是檢測速 度太慢，並無法滿足業界的要求。除此之 外，對於面板的分級也未進行，因此未來可 針對如何提高檢測速度以及如何將面板分 級做進一步的研究。
6. 計畫成果自評 計畫成果自評 計畫成果自評 計畫成果自評
本研究搭配巨觀及微觀兩種檢測法，對 LCD面板進行點燈檢測，並如預期的發展完 成一套以機器視覺為基礎之平面顯示器自 動點燈測試系統，可成功的將band失效、
mura、點缺陷（暗點、亮點）、及線缺陷（亮 線、暗線、斷線、及弱線）等瑕疵偵測出來。
然而，由於原本均勻的樣板影像在經過攝影 機攫取後，不僅顏色不正確而且顏色也會出 現不均的現象，因此很難分辨此一顏色不均 現象是製程不良所造成的Mura，還是因為取 樣不良所造成的結果。
除此之外，由於巨觀檢測是一次攫取整 個面板的影像，攫取所得之影像其邊界處也 會有變形的情形。雖然變形影像可透過補償 的方式調整回來，不過受限於時間本研究並 未施行。再者，本計畫原本希望能夠根據PDI 分類標準將瑕疵分成23個類別，以利後續之 檢修及面板之分級，也因為時間的不足未能 在計畫執行期間內完成。由此看來，本研究 之內容與原計畫之相符程度大概只有85%。
7. 參考文獻 參考文獻 參考文獻 參考文獻
1. 吳木杏，彩色濾光片表面瑕疵檢測分析，
碩士論文，台灣大學資訊工程學研究所，
台北，台灣， 1999。
2. 劉祥吉，液晶顯示器影像顯示不均檢測之 研究，碩士論文，元智大學工業工程與管 理研究所，桃園，台灣，2002。
3. K. Nakashima, Hybrid Inspection System for LCD Color Filter Panels, IEEE Instrumentation and Measurement Technology Conference, Vol.
2, pp. 689-692, 1994.
4. Y.C. Song, D.H. Choi, K.H. Park, Morphological Blob-Mura Defect Detection Method for TFT-LCD Panel Inspection, Lecture Notes in Computer Science, Springer-Verlag GmbH, Vol.
3215, pp. 862-868, 2004.
5. F. Saitoh, Boundary Extraction of Brightness Unevenness on LCD Display Using Genetic Algorithm Based on Perceptive Grouping Factors, IEEE International Conference on Image Processing, Vol. 2, pp. 308-312, 1999.
8. 圖表彙整 圖表彙整 圖表彙整 圖表彙整
圖一 檢測流程圖
圖二 巨觀檢測流程圖
圖三 微觀檢測流程圖
圖四 線瑕疵檢測流程圖
圖五 金樣本影像標準差 圖六 瑕疵樣本影像標準差
圖七 巨觀檢測時，攫取所得之Mura影像（左圖）與Mura偵測之結果（右圖）。
圖八 巨觀檢測時，攫取所得之Band失效影像（左圖）與Band失效偵測之結果（右圖）。
圖九 微觀檢測時，攫取所得之線瑕疵影像（左圖）與線瑕疵偵測所得之結果（右圖）。
圖十 微觀檢測時，攫取所得之點瑕疵影像（左圖）與點瑕疵偵測所得之結果（右圖）。
