（北京京东方显示技术有限公司，北京 100176）

1 CFPhoto破片影响及Mura机作用

1.1 CFPhotoLayout说明

Photo主要有BM/R/G/B/OC/PS工序，其中OC无曝光和显影外，其他工序设备类型相同。如图1所示，以R工艺为例设备Layout简要说明。

设备依次为发片机、传送带1、清洗机、机械手1、涂布机、机械手2、真空干燥机、Mura检测机、传送带2、机械手3、热固化单元、冷却单元、曝光机、机械手4、显影机、传送带3、自动光学检测机（AOI）、热烘烤设备、传送带4、收片机。其中Mura机是基于机器视觉技术的涂布膜厚检测设备。

1.2 不同设备破片造成的影响

发生破片时，因各个设备内部机械结构和腔室的差异，造成的停机时间差别较大，对生产造成的影响以时间来统计如图2、图3所示。

图1 Photo Layout（R）

图2 不同类型设备破片停机时间

图3 不同类型设备破片一次造成基板NG数量

从图表中可知，TR02传送带后面的非传送带设备发生破片时所需的时间均比较长，同时造成的基板NG数量也比较多。因此，将有裂纹或破损的基板在TR02或Mura处提前检测出并处理掉，可有效的减少破片对生产线的影响。

1.3 Mura机作用

在面板生产线的品质监控中，要对涂布完成的膜厚进行实时检测，以便及时发现不良；如图4所示，Photo各个工序Mura检测图像通过KVM将检测图像传送至远程监控室的监控显示器上，设置专门作业员可以同时对多个工序的进行集中监控及时发现异常。破片发生时，破片Mura图像如图5、图6所示。

图4 Mura集中监控示意图

图5 裂纹

图6 缺角

2 CFMura机结构与检测原理

2.1 Mura机结构

图7为Mura机结构，传送过程中采集图像数据传输至PC进行处理。

图7 Mura机结构

根据CF不同工序特性，采用不同光源和检查原理如表1、表2所示。

BM通过透过率来检测膜厚均一性，如图8所示，CCD采用8bit分辨率，通常BM膜厚为2000nm，对应256灰阶，理论上可分辨最小膜厚差为7.8nm。

其他工序采用反射方式通过膜厚上下表面的光程差来反应膜厚的差异性，根据光源波长及CCD参数可计算出理论膜厚分辨率。图9为干涉原理检测膜厚的示意图，其中，λ为光源波长，m为整数，Θ为折射角。

表1 BM工序

图8 BM工序透光检查原理示意图

表2 其他工序

图9 光的干涉检查原理示意图

使用钠灯时Mura机对膜厚检测的理论分辨率：

2.2 图像处理过程

本文研究的Mura机图像处理方面最大特点是采用图像做差法，利用标准画像来消除疑似缺陷。在开始检测前必须先对当前产品进行标准画像的录入。在说明图像处理流程之前先了解标准画像的生成过程。

1）标准画像的制作

标准画像制作主要步骤如图10所示：（1）选择基板；（2）提取并处理数据；（3）根据数据生成标准画像。

图10 标准画像简化原理图

详细步骤如图11所示，玻璃搬送方向为X方向，摄像机扫描方向为Y方向；当玻璃通过Mura机时对玻璃表面进行扫描（Y方向），分别得到L(x1)～L(xn)等N组照度曲线，每条曲线代表摄像机扫描一行图像得到的照度值，通过对这N组照度曲线进行叠加，并求出其平均照度曲线，即L(x)为制作标准画像所使用的数据，再用L(x)×n（n为在x方向上的像素数）即为补正所用的标准画像。

图11 标准画像制作原理图

按图11制作方法，原始画像像素矩阵变化至标准画像像素矩阵的过程如图12所示。

图12 原始画像至标准画像矩阵的说明

2）图像处理流程

图13 图像处理总体流程

图像处理总体流程如图13所示，具体说明如下：

图像采集：根据基板的传送速度和Line CCD拍摄的最小宽度进行匹配获取基板膜面的原始图像。

图像合成：对三个CCD获取的图像进行裁剪、拼接进而成一张完整的基板图像。

亮度补正：原始图像与标准画像相减后再加128进行增益放大，进行亮度补正消除背景的干扰和疑似缺陷。如图14所示为标准画像进行亮度补正消除假缺陷的过程说明。

图14 标准画像亮度补正的像素矩阵图

图像预处理：高斯滤波（5×5）、中值滤波（5×5）进行噪声处理、灰度膨胀进行边缘强化。

缺陷分割：采用梯度算子的方法对灰度图像的每个像素点考察0°、45°、90°、135°四个方向邻点灰度进行加权平均，然后进行微分运算，得到该点的边缘强度值，该参数可以反映图像每一个像素点与周围像素点局部变化的强度。通过人工设定合适的阈值识别出破片；采用基于边缘灰度二值化的方法确定缺陷的位置[4]。

缺陷量化：以亮度差和边缘强度两个参数进行相与的关系对缺陷进行等级判定。根据缺陷分割出的平均像素亮度值与非缺陷区的平均像素亮度值做差，差值作为亮度差；同时缺陷区边缘的一次微分值作为边缘强度值。

综上，通过人工设定二值化阈值识别和筛选出缺陷的位置，然后通过亮度差和边缘强度的组合对识别的缺陷量化判级。软件中二值化阈值、亮度差和边缘强度均需要工程师根据各型号产品进行实验验证，最终找到合适的参数。

3 Mura机在破片检测中的应用

通过对Mura检测机图像处理算法和缺陷量化等级规则的研究，我们可以发现，如果经过Mura检测机的基板有裂纹或发生破损，检测生成的图像必然会发生灰阶的突变，这个突变可以通过二值化阈值识别和筛选出；接着通过相应区域的图像数据边缘强度和亮度差的值可以给裂纹或破损的破片位置判定等级；如果通过实验设置合理的参数将破片基板识别出来并通过修改PLC程序或软件报警功能就能实现破片基板的自动检出和停机功能；这样就可以有效的减少生产流水线的停机时间。

3.1 破片检测技术方案

图15 破片检出技术方案图

如图15所示，为实现Mura机自动检出破片停机的技术方案，在此方案中，假定Coater处或之前出现破片，在Mura处自动检出，基板会停留在Mura设备传送带内，同时停止上游Coater的投入避免发生划伤；工程师确认停在Mura机内的破片基板后，手动操控设备传送至TR02处进行人工处理；TR02为传送带结构简单，人工处理破片方便快速且易清洁；因此可有效减少破片影响。

3.2 破片检出条件参数选择

如前所述缺陷量化是根据亮度差和边缘强度差进行判定，通过读取破片与缺陷画像，反复更改判定条件，将破片亮度差和边缘强度差的最低值作为判定破片的下限。以PS工序为例，图16为缺陷亮度差检测值，图17为缺陷边缘强度检测值，据此得出破损区检出值下限，亮度差设定65，边缘强度66.5设定检出破片条件。

图16 亮度差检测值

图17 边缘强度差检测值

表3 破片检出干扰项检出值

表4 种异常情况对策表

图18 破片检出运营方案

从检出值来看，设定的条件下存在严重破膜、亮度异常、上游NG、错位四种干扰情况会误检为破损基板。实例如表3所示。

针对上面的干扰项，我们可以根据产生原因分别给出对策评估如表4所示。

4 Mura破片检出运营方案及效果

4.1 Mura自动检出破片运营方案

原有模式下，Mura机仅生成图像不进行等级判定，即使发生破片也不停机，图像仅供工程师往回查时发现经过Mura机时已经破片；实现破片检出后，设备自动报警停机，作业员在集中监控会看到破片图像立即通知工程师到达现场，在传送带上确认基板并将真正破损基板处理，避免破损基板在下游设备破片。

4.2 运营方案风险点对策及运营效果

针对风险高的上流NG和亮度异常情况，虽然可以通过软件跳过检测，但由于仍然存在破片的可能性，因此制定如下解决方案：

当出现上流NG或亮度异常基板时，以报警声音形式增加设备提醒作业员，声音传播至集中监控室，作业员可在5分钟内确认图像，判定出是否为破片，如果为破片通过软件上的按钮，对下游的TR02传送带进行投入限制，避免继续流入下游；采用以上运营方案后，以月为单位统计各工序破片检测准确比例如图21所示，每月每个工序减少破片停机时间超过10小时，取得了很好的经济效益。

图19 干扰项处理方案

图20 各个工序Mura检测破片准确比率

图21 各个工序月减少停机时间

5 结论

通过对采用机器视觉技术的CF Mura检测机检测原理的研究，并通过大量实验设置合理的检测阈值实现了破片自动检出，结合PLC程序软件的修改实现设备的破片检出时自动停机，减少了裂纹或碎片基板流入下游结构复杂的设备内，减少了碎片处理所需的停机时间，减少了碎屑对产线的污染，提升了产线产能和良率；为面板生产线破片自动光学检测提供一套完整的优化方案。

[1]徐春燕.基于图像处理的液晶屏基板玻璃裂纹自动检测系统[D].南京理工大学,2011.

[2]姜颖军.计算机视觉在玻璃制品裂纹检测中的应用[D].广西师范大学,2000.

[3]张一杨.基于图像处理技术的玻璃裂纹检测系统设计[J].唐山学院学报,2016.

[4]吴冰,山海涛,郭建星.基于边缘灰度的二值化阈值确定方法[J].武汉大学学报（工学版）,2003.