论文部分内容阅读
电子产品的飞速发展使得液晶器件的应用范围变得十分广泛。液晶器件的工艺流程较为复杂,在各个生产环节都可能出现缺陷,自动检测的难度很大,所以在液晶器件的缺陷检测方面多为人工检测。随着科技的进步,人们对自动化的需求越来越大,人工检测形式已经满足不了市场需求,所以近年来工业生产的自动化一直是各个行业的研究重点,这也是行业转型的必然性。市场上多数IC(Integrated Circuit)器件和液晶盒玻璃的连接使用的是晶粒-玻璃接合技术(Chip on Glass,COG),COG中使用一种各向异性导电膜(Anisotropic conductive Film,ACF)连接IC器件和液晶盒玻璃。目前检测方式主要是人工通过显微镜查看位于液晶盒玻璃引脚上的ACF导电粒子数来进行检测,这种检测方式效率极低,而且出错概率很大。本文研究的ACF粒子自动检测方法能很好地解决人工检测的不足,检测效率和正确率满足工业现场检测标准。本文首先对ACF在COG中的使用做了简要介绍,提出基于机器视觉的方式来进行检测。在机器视觉检测中,主要采用自动光学检测,较为安全可靠。其次,对ACF粒子图像进行分析。粒子图像包含灰度局部极大值和灰度局部极小值,根据灰度值的极大值和极小值的变化特征检测粒子。最后,分析粒子个数和粒子区域面积的关系,得出粒子个数和粒子区域面积成正比的结论。以此为依据,提出了一种基于粒子区域面积的检测方法。因为ACF粒子灰度局部极大值和局部极小值出现的位置相对固定,本文使用了一种按照光照方向的差值法来增强图像,增强后的粒子图像特征更为明显,给检测带来了极大便利。基于粒子面积的检测方法不依赖某一特定像素点的灰度值,所以适用性很广,在图像噪声很严重的情况下依然有较好的检测效果。本文的特点在于针对粒子图像,提出了两种新的检测算法,在效率上高于传统的模板匹配法。通过对算法的加速,本算法的效率比模板匹配法高20倍左右,完全满足工业上的自动检测需求。据我们查阅国内外重要数据库的结果,使用这两种方法对ACF粒子进行检测国内未见报道。