大尺寸液晶顯示屏MURA不良電學補償研究

合肥京東方顯示技術有限公司 葛宜峰 錢志禹 陳 平 孫 勇 李艷平 劉海濱 李方慶 彭 帆

0 背景

隨著液晶顯示行業的發展以及消費者的需求，液晶顯示屏尺寸越做越大。考慮到大玻璃基板的切割邊效，生產線使用的玻璃基板尺寸也隨之增大，例如G8.5代線玻璃基板尺寸為2200*2500mm，G10.5代線玻璃基板尺寸為2940*3370mm。玻璃基板尺寸的增大，不僅加大了工藝上的難度， Mura不良的發生率也隨之升高。為了降低Mura不良給工廠帶來良率上和經濟效益上的損失，Mura的電學補償方法研究十分必要。

1 Mura產生機理

TFT-LCD的顯示是由像素電極控制液晶分子的偏轉角度，背光透過不同角度的液晶分子，再經由上偏光片得到不同顏色的組合，顯示出不同的畫面[1]。Mura不良一般是在灰階畫面下檢出，其在視覺上的表現為不良區域灰階明顯高于或低于正常畫面，如圖1所示。

圖1 Mura不良示意圖

TFT-LCD的內部是由各種膜層組成，光線透過這些膜層后，膜層厚度會對光的透過率產生不同程度的影響。此外Panel內部線路重疊部分會產生寄生電容，影響實際Pixel電壓值。因為Mura不良產生原因有背光源及Panel內部引起，本次研究不討論背光源引起的Mura不良，而Panel內部引起的Mura不良歸納起來主要有以下三種：

(1)膜層厚度不均，影響光線透過率，產生Mura不良；

(2)膜層厚度不均，影響線路阻抗，信號在傳輸過程中發生衰減，拉低Data信號電壓，產生Mura不良；

(3)膜層Over-lap，產生寄生電容，拉高或拉低像素電壓，產生Mura不良Mura電學補償原理。

2 Mura自動光學檢測

在液晶顯示領域，Mura缺陷因具有形狀多樣、面積不定、對比度低、亮度不均勻等人眼難以識別的特征而被認定為一種不同于常規缺陷的顯示缺陷。由于這類缺陷在長時間使用時才會對用戶的視覺產生影響，而不會導致液晶面板的直接報廢，所以在內地液晶產業剛起步的當時，對Mura缺陷的檢測幾乎被忽略。隨著人們對品質生活的追求，高質量的LCD產品市場逐漸顯現，生產者開始逐步嘗試以常規手段對Mura缺陷進行檢測的方法[2～5]。

TFT-LCD Mura缺陷檢測系統主要由圖像采集和圖像處理兩部分組成。圖像采集旨在通過相機與圖像采集卡等固件設備對流水線上的TFT-LCD面板進行拍照、信號轉換，并將轉換后的數字圖像信息存儲。為了節省存儲空間、提升檢測時效，期間還將經歷預判機制的處理，過濾設定閾值內的采集對象，最終僅存儲疑似缺陷圖像。圖像處理就是在完成對象采集的基礎上，對存儲的待檢圖像按步驟依序進行缺陷提取、缺陷增強和缺陷分割等操作，以分離識別缺陷的過程。Mura檢測的流程如圖2所示。

④繼續使用的水工建筑物、廠房及水工金屬結構等，這些固定資產設施已使用30多年，應只考慮剩余價值的效益貢獻。

圖2 Mura自動檢測流程

2.1 電學補償數據計算

Mura缺陷點燈現象表現為局部灰度不均，其電學補償的原理即是根據點燈灰度的差異，計算出缺陷區域實際顯示灰度和目標灰度之間的差異，在三個灰階畫面下計算出一組差異數值，然后以二次插值的方法模擬計算灰度的補償值，再通過電壓-灰度曲線計算需要補償的電壓值[6]。

在實際操作中，為了保證修復的效果，通常將Panel按照一定大小分割為許多Block，每個Block為一個修復單元。Mura光學圖像采集的CCD相機一個像素對應一個修復Block，修復的補償數據計算是以Block為單元計算的，如圖3所示。

圖3 修復Block分割

下面以一個Block補償數據計算為例進行說明。根據不同灰階畫面(L26、L76、L176)拍攝的不良畫面，分別計算Block顯示灰度值與目標灰度之間的差值，如圖4所示。利用二次插值法模擬計算所有灰階畫面顯示灰度與目標灰度的差值，根據電壓-灰度曲線得出補償電壓，如圖5所示。具體計算過程如下：

圖4 不良區域灰度差值

圖5 不良區域電壓補償值

2.2 補償數據燒錄

系統計算出補償數據之后，通過T-Con燒錄到Flash ROM。燒錄完成后，T-con會調用Flash IC里面的補償信號進行信號補償，修復Mura缺陷，如圖6所示。

圖6 信號補償

3 Mura電學補償系統

3.1 系統組成

圖7 Mura電學補償系統架構

Mura電學補償系統包括圖像采集模塊、圖像處理模塊、補償數據計算模塊、燒錄、PG點燈模塊，如圖7所示。圖像采集模塊由高分辨率照相機和高分辨率鏡頭組成，Panel點燈后進行不良圖片的采集。圖像處理模塊需要把采集的圖像進行去燥處理，不良位置和不良程度的識別。補償數據模塊根據圖像處理的結果進行補償數據的計算；燒錄模塊負責將補償數據寫入Flash ROM。

3.2 相機/鏡頭選型

相機的選型中比較重要的參數為分辨率、像元大小及曝光時間的可調范圍。分辨率越高，檢測精度越高。曝光時間的可調范圍越大，拍攝圖像的動態范圍越大，因項目中需要拍攝低灰階畫面的圖像，故需要曝光時間可調范圍大。

鏡頭的選型中比較重要的參數為分辨率、畸變、亮度一致性、光圈等。分辨率越高，檢測精度越高。光圈越大，鏡頭的進光量越大。所選鏡頭型號為：Otus 1.4/55。圖8為照度一致性，即暗角特性，圖中可以看出光圈為4或者4.28時，鏡頭邊界的亮度為中心亮度的80%，說明所選鏡頭的暗角不明顯。圖9為畸變特性，圖中可以看出，鏡頭在邊界處的畸變約1%，說明所選鏡頭的畸變非常小。

圖9 鏡頭畸變特性

3.3 相機工作距離計算

式中：

D為相機到顯示屏的距離，m；

R為CCD與LCD的像素比，表示R個橫向像素對應1個LCD像素；

S為顯示屏尺寸，Inch；

H為橫向分辨率；

V為縱向分辨率，如圖10所示；

圖10 相機光路示意圖

R的確定方法：由上述可以看出R與1/A是存在一定的關系的，R>1/A可達到最低補償要求。同時，由于相機CCD分辨率(4872*3258)限制，R的最大只能取4872/H與3258/V的最小值。故R的理論取值范圍為：

例如：對于4k屏(3840*2160)，1/8

實際中由于R低會影響修復效果，一般要求R盡可能取大一些；由于R更大對屏的位置擺放要求更高，R也不能取值等于min(4872/H，3258/V)，否則Panel稍微偏離就會超過相機視場。

對于4K屏，取R=1較合適，對于8K屏，取R=0.5較合適。當尺寸S相同時，代入公式計算出兩者的工作距離相同。

根據上式，計算出對應不同尺寸顯示屏相機工作距離，如表1所示。

表1 不同尺寸顯示屏相機工作距離

3.4 工作流程

圖11 Mura電學補償工作流程

3.5 系統優勢

（1）一站式軟件操作環境：系統將分離的軟件模塊、設備進行整合，操作更加順暢，流程更加簡潔。

（2）快速修復效果評估：集成PG到圖像處理引擎中，PC端與圖像處理引擎以千兆以太網通信，可以在不燒錄的情況下，輸入補償后的數據，用以評估修復效果，減少迭代中的燒錄的時間。

（3）可編程的圖像修復功能：允許在使用不包含Mura電學補償功能的TCON時，通過編輯圖像處理引擎中的補償計算公式、濾波器系數、顏色因子系數、灰度因子系數等，模擬TCON的修復算法。同時提供邏輯Pattern、圖片和視頻等方式評估電學補償修復算法的有效性，根據缺陷類型和比例選擇合適的方法，以實現最小的開銷到達最佳的修復效果（Flash容量和TCON IC上RAM容量，RAM容量影響TCON IC的成本）

（4）Demura檢測引擎中基于機器學習的檢測和補償計算方法，會在修復的迭代和人工干預下，能夠不斷提高系統的性能，減少迭代出現的概率，以節約時間。

4 Mura電學補償測試結果

電學補償法可修復Mura不良種類如表2所示：

表2 可修復Mura不良種類

表3 Mura不良修復效果

5 結論

Mura不良在實際生產過程中，產生原因復雜，差異性消除較為困難，很難從源頭進行改善。電學補償法是一種有效的Mura不良修復方法。Mura電學補償系統主要包括圖像采集模塊、圖像處理模塊、補償數據計算模塊、燒錄模塊、點燈模塊。在實際的使用中具備很好的修復效果，而且可以在不燒錄補償數據前預測修復效果，很大程度地縮短了修復時間，具備量產條件。

[1]田民波,葉鋒.平板顯示器技術發展[M].北京:機械工業出版社,2010:304-311.

[2]Guo B,Hu G H,Yang G Y.TFT-LCD Spot-Type Defect Detection in Module Process[J].Advanced Materials Research,2014,971-973:1368-1371.

[3]Fan S K S,Chuang Y C.Automatic detection of Mura defect in TFTLCD based on regression diagnostics[J].Patten recognition letters,2010,31(15):2397-2404.

[4]畢昕,丁漢.TFT-LCD Mura缺陷機器視覺檢測方法[J].機械工程學報,2010,46(12):13-19.

[5]盧小鵬.TFT-LCD Mura缺陷機器視覺檢測方法研究[D].成都:電子科技大學,2014.

[6]葉達文.TFT光電曲線Gamma校正[D].黑龍江:哈爾濱工業大學,2011.

[7]裴文芳.基于圖像處理的小尺寸液晶屏顯示缺陷智能檢測[D].長春:吉林大學數學研究所,2015:1-33.

[8]李坤,李輝.LCD Mura缺陷的B樣條曲面擬合背景抑制[J].光電工程,2014,41(2):33-39.

[9]謝瑞.TFT-LCD Mura缺陷自動檢測方法研究[D].安徽:合肥工業大學,2016.

[10]王開福.圖像處理技術及其應用[M].北京:科學出版社,2015:70-71.