彩色濾光片Mura缺陷自動檢測應用研究

龐華山+譚海洋+武占英+王立夫

摘 要：彩色濾光片（Color Filter，以下簡稱CF）作為TFT-LCD面板的關鍵組件，其性能直接影響顯示器呈現的畫面質量。其中Mura缺陷檢測在整體缺陷檢測中占有重要作用。目前，絕大多數CF制造商在出貨前的Mura缺陷檢測環節仍采用全數的人工目視檢測方法。該方法易受檢測人員主觀因素及外界環境影響，且效率極為低下。文章分析了國外生產的CF Mura缺陷檢測設備的結構和圖像處理算法，針對誤檢率高、圖像干擾等問題，總結出通過標準畫像的合理管控，調整Mura檢測機位置，優化檢測參數等方案，實現圖像質量和Mura自動判定的準確度的提升。并將這些方法運用到生產線的運營中，將原來的100%人工目視檢測降低至30%左右，減少了檢測人員數量，同時縮短CF產品Cycle time 60分鐘，取得了良好的經濟效益，為國內液晶面板制造行業CF Mura檢測和管控方法的研究人士提供了一份較為完整的參考。

關鍵詞：彩色濾光片；Mura缺陷檢測；管控方法；圖像處理

中圖分類號：TP274.3 文獻標志碼：A 文章編號：2095-2945（2017）28-0001-07

1 CF Photo工藝及Mura檢測機的作用

1.1 CF Photo工藝設備Layout說明

如圖1所示以R工藝為例，設備依次為發片機、清洗機、涂布機、真空干燥機、Mura檢測機、熱固化、冷卻單元、曝光機、顯影機、自動光學檢測機（AOI）、熱烘烤設備、目視宏觀檢查機、收片機以及與服務器相連接的CIM PC。Mura機是基于機器視覺技術的涂布膜厚檢測。

1.2 Mura機作用

Mura按形態區分，主要為條紋Mura、蝶狀Mura、Pin Mura、起始部Mura和白缺等，如圖2為條紋Mura。

在實際生產中，面板生產線的品質監控，分為首件確認、過程監控和出貨全檢三種：

（1）首件確認的優勢：在無Mura機生產線中，從涂布完成到Macro人眼目視給出判定結果需要60分鐘，而如果目視不合格，還需再次首片確認；對海量生產的面板生產線來說，產能損失嚴重。引入Mura機后，可參考Mura圖像快速判斷，首件確認的時間可控制在20分鐘內，若不合格時，工藝調整后也能快速判斷效果。

（2）過程監控的優勢：過程中無法全數目視檢測，通常以一定頻度人工抽檢，而Mura機能實時在線檢測生成圖像，設置專門的作業員可同時對多個工序的圖像集中觀察判定，發現不良的效率和及時性有很大的提高。

（3）出貨全檢的優勢：在最終的CF出貨前都要進行人工目視全數檢測，在檢測過程中當前基板的圖像經過網絡服務器可以呈現在Macro檢測設備的PC顯示器上幫助檢測員重點確認Mura的位置，提高檢測效率。以上是Mura機初步應用于CF生產時的優點，但并沒有實現Mura缺陷的等級量化。

2 CF Mura機結構與原理

2.1 CF Mura機的配置

如圖3為Mura機結構，玻璃經傳輸帶流經檢查區CCD采集圖像數據傳輸至PC進行處理和缺陷分析。

BM通過透過率來檢測膜厚均一性，采用綠光主要為防止剛剛涂覆后的光阻產生曝光引發膜質變化。

其他工序采用反射方式通過膜厚上下表面的光程差來反應膜厚的差異性，膜厚的變化導致光程差的變化，干涉光的明暗會發生變化。根據光源波長及CCD參數可計算出理論膜厚分辨率。如圖4為干涉原理檢測膜厚的示意圖，其中λ：光源波長、m：整數、？茲：折射角。

光程差：DC'+DC=2nd cosθ

明條件：2nd cosθ=（2m+1）

暗條件：2nd cosθ=2m

光程差：？駐d=

使用鈉燈時Mura機對膜厚檢測的理論分辨率：

理論分辨率？駐d=÷256=0.4（nm）

鈉燈光源波長：λ=589nm

光阻折射率：n=1.7

入射角：θ=30deg

2.2 CF Mura機的圖像處理過程

基于機器視覺技術的缺陷檢測和圖像處理算法有很多種，本文研究的Mura機圖像處理方法的最大特點是采用圖像做差法，利用標準畫像來消除疑似Mura。開始檢測前須先進行標準畫像的錄入。以下是標準畫像的生成過程。

2.2.1 標準畫像的制作

標準畫像制作步驟如圖5所示：（1）選擇基板；（2）提取并處理數據；（3）根據數據生成標準畫像。

詳細步驟如圖6所示，玻璃搬送方向為X方向，攝像機掃描方向為Y方向。當玻璃通過Mura機時對玻璃表面進行掃描（Y方向），分別得到L（x1）～L（xn）等N組照度曲線，每條曲線代表攝像機掃描一行圖像得到的照度值，通過對這N組照度曲線進行疊加，并求出其平均照度曲線，即L（x）為制作標準畫像所使用的數據，再用L（x）*n（n為在x方向上的像素數），即為補正所用的標準畫像。

按圖7制作方法，原始畫像像素矩陣變化至標準畫像像素矩陣的過程如圖7所示。

2.2.2 圖像處理的總體流程

圖像處理總體流程如圖8所示，具體說明如下：

圖像采集：根據基板的傳送速度和Line CCD 拍攝的最小寬度進行匹配獲取基板膜面的原始圖像。

圖像合成：對三個CCD獲取的圖像進行裁剪、拼接進而成一張完整的基板圖像。

亮度補正：原始圖像與標準畫像相減后再加128進行增益放大，進行亮度補正消除背景的干擾和疑似Mura。圖9所示為標準畫像進行亮度補正消除假Mura的過程說明。

圖像預處理：高斯濾波（5*5）、中值濾波（5*5）進行噪聲處理，灰度膨脹進行邊緣強化。endprint

缺陷分割：采用梯度算子的方法對灰度圖像的每個像素點考察0°、45°、90°、135°四個方向鄰點灰度進行加權平均，然后進行微分運算，得到該點的邊緣強度值，該參數可以反映圖像每一個像素點與周圍像素點局部變化的強度。通過人工設定合適的閾值識別出缺陷；采用基于邊緣灰度二值化的方法確定缺陷的位置[4]。

缺陷量化：以亮度差和邊緣強度兩個參數進行相與的關系對Mura進行等級判定。根據缺陷分割出Mura的平均像素亮度值與非Mura區的平均像素亮度值做差，差值作為亮度差；同時Mura區邊緣的一次微分值作為邊緣強度值。

綜上，通過人工設定二值化閾值識別和篩選出Mura缺陷位置，然后通過亮度差和邊緣強度的組合對識別的Mura缺陷量化判級。軟件中二值化閾值、亮度差和邊緣強度均需要工程師根據各型號產品進行實驗驗證，最終找到合適的參數。

3 Mura機在應用中的問題與對策

對Mura缺陷的機器視覺檢測有兩方面基本要求：（1）機器視覺檢測的結果要符合人眼的判斷標準；（2）要能夠對缺陷進行量化評定。基于以上兩點，總結使用Mura檢測機過程中主要有以下幾個問題：

3.1 標準畫像的選擇和管理

標準畫像理想狀態是無真Mura的，但實際上很少，錄制標準畫像時并不知道當前基板有無真Mura；另外，標準畫像的制作是以當時光源狀態為基準進行CCD感光增益補償，隨著使用時間的推移，光源狀態會發生變化，CCD補償增益也要相應變化。基于以上原因，必須制定嚴格的管理方案。

3.1.1 標準畫像的選擇

首先，制作基板A和基板B兩種不同涂布狀態基板，標準畫像A為使用基板A的數據制成的標準畫像；標準畫像B為使用基板B的數據所制成的標準畫像。對以下情況對比：

（1）基板A使用標準畫像A進行補正；

（2）基板A使用標準畫像B進行補正；

（3）基板A不使用任何標準畫像進行補正。

對比結果顯示，僅第1組所獲Mura圖像質量是OK的，其他均較差。經上述實驗顯示，Mura圖像需要使用標準畫像進行補正，且所使用的標準畫像的基準片涂布狀態與后續待檢測基板的涂布狀態要相同。

3.1.2 標準畫像的更新管理

根據標準畫像制作原理和實際使用經驗制定標準畫像更新的條件如下：

（1）產品型號變更時；

（2）Mura上游設備的Recipe變更時（Coater，VCD等）；

（3）圖像上出現疑似Mura時；

（4）光源關閉后再開啟時（30分鐘后，光源進入穩定狀態才能開始錄制）；

（5）光源照度衰減>8%。

3.2圖像區域性黑白不均的干擾

如圖10所示，為干擾嚴重的區域性黑白不均圖像。

Mura機位于VCD后，VCD 結構如下圖11所示，吸附口在玻璃基板的下部，抽真空的過程中，基板膜面受到的氣流流速不均勻，導致膜面不均勻；如圖12為VCD廠家提供的基板表面部分區域氣流流速分布圖。實際生產驗證也表明不同VCD 參數對Mura圖像的影響非常明顯，如圖13所示。

盡管有經驗的人觀察圖像多數可以區分哪些區域是VCD 導致的圖像干擾。但對Mura缺陷量化等級的干擾非常嚴重，為此，在新產線中將Mura機的位置調整至HP后（Hot Prebake，熱烘烤設備）。因HP后溶劑基本揮發完畢，膜質已經穩定，膜面受外界的影響已經較少，圖像質量有明顯的改善，如圖14所示。

然而放在HP 后相比VCD后的缺點是離涂布機較遠，從涂布機產生不良到HP之后，Mura檢出不良時不良品產生的數量通常多出10張左右。

3.3 缺陷檢出和量化參數的選定

3.3.1 缺陷檢出條件

通過讀取含有缺陷的檢測圖像，針對每種缺陷反復更改設定“二值化閾值”，分別記錄剛剛將缺陷檢出時的“二值化閾值”，形成類似如圖15的數據，最終確定將缺陷大部分檢出的“二值化閾值”，并以此對不同工序進行設定。

3.3.2 缺陷判定條件

如前所述缺陷量化是根據亮度差和邊緣強度差進行判定的；采用相同方法，讀取缺陷畫像，反復更改判定條件，將實驗的缺陷亮度差和邊緣強度差的最低值作為判定Gray的下限。以PS工序為例，圖16為亮度差條件設定數據，圖17為邊緣強度差數據，表4為缺陷判定條件及Panel和Glass 判定等級說明。

4 Mura自動量化等級前后運營效果

4.1 Mura量化等級前生產線運營模式

原有模式下，Mura機僅生成圖像不進行等級判定，當產品到達最后一道工序全數人工檢查時，目視檢查設備Final Macro的PC從服務器上下載并顯示當前基板的Mura畫像以供作業員參考提高檢查的效率，流程如圖18所示。

4.2 Mura量化等級后生產線運營模式

對缺陷自動量化等級后，將基板分為OK、Gray、NG三個判級，分別對應的code為G、E和R，等級的優先級為R>E>G，從BM至PS各工序的判定等級繼承累積，即BM判定為E的，下工序不能修改為G，但可以更改為R或繼承為E。基于此規則，最終Final Macro人工目視檢查時，將G和R的基板不再進行人工檢查，僅等級為E的再進行人工檢查。這樣實現了人工目視檢查數量的減少，為了實現這種運營，對生產線的Inline搬送模式進行軟件升級，實現基板自動分流。變更后的產線運營模式如圖19所示。

4.3 不同工序Mura量化Gray等級累積比率

如下圖20所示，為不同工序Mura自動判定Gray等級的比例。按照變更后的運營案僅需要檢測Gray等級的基板，因此最終達到出貨人工目視檢查設備的檢測數量為30%左右。這樣，CF 面板人工目視檢查的基板量由原來的100%檢測降低至30%左右，大大降低了檢測人員的數量。同時，所需的人工目視檢查機的機器數量也減少了60%左右，降低了工廠的能耗。

5 結束語

通過對采用機器視覺技術的CF Mura檢測機檢測原理的研究、圖像干擾原因，制定出標準畫像的選擇和更新的規則，調整檢測設備位置有效改善了圖像質量，并通過大量實驗設置合理的檢測閾值并對缺陷進行量化等級，實現初步的自動判定，并通過調整產線運營方案，將人工檢測量降低了70%，同時減少了人工目視檢查機的數量近60%，節約了工廠設備能耗和檢測人員的數量。為Mura檢測和管控提供了一個新的運營參考方案，向Mura缺陷檢測的自動化邁進了一步。

未來的CF Mura缺陷檢測，將結合更為廣泛的先進手段，總結前人實踐經驗，利用更為有效的檢測手段和技術將缺陷控制在發生階段，最大限度降低Mura缺陷造成的生產損失。

參考文獻：

[1]齊錚.TFT_LCD顯示面板制成工藝中的陣列缺陷檢測方法研究[D].西安電子科技大學，2011.

[2]畢昕，丁漢.TFT-LCD Mura 缺陷機器視覺檢測方法[J].機械工程學報，2010.

[3]盧小鵬.TFT-LCDMura缺陷機器視覺檢測方法研究[D].電子科技大學，2014.

[4]吳冰，山海濤，郭建星.基于邊緣灰度的二值化閾值確定方法[J].武漢大學學報（工學版），2003.endprint