臺灣博碩士論文加值系統

TFT-LCD( thin-film transistor liquid-crystal display) 平面液晶顯示器由於其具有薄型化、輕量化以及低耗電的優點，故已大量應用於我們日常的生活用品，如液晶電視、筆記型電腦、衛星導航、數位相機、可攜型DVD Player、數位攝影機、智慧型手機等等及其他行動通訊消費性電子產品。本研究主要是利用電腦視覺技術來檢測TFT-LCD基板表面是否有瑕疵，而造成TFT-LCD基板表面瑕疵的原因包含外物刮傷、指紋、異物附著、粉塵、製成不良等等因素。由於TFT-LCD基板的表面是由規律的水平紋路及垂直紋路所構成，所以只需將此垂直及水平重複性紋路部分的影像過濾掉後即可找到瑕疵部分的影像。本研究以小波之特性作為研究方法的理論依據，並藉由影像還原技術(image restoration)重建平滑(低通)子影像，使得待測影像的瑕疵部分可與規則性的背景紋路能夠有效分離。重建後之影像再以本論文所建構之「基於Fuzzy Rule Extraction 之分類法」判斷影像中是否含有瑕疵並自動求出影像分割閥值，經由實驗結果證實，本研究所提方法效能優於前人所提方法，對本實驗所用樣本之瑕疵皆可正確檢出，無誤判情況產生。

With the advantages of thinness, lightweight and low power consumption, thin-film transistor liquid-crystal display (TFT-LCD) has been widely used in consumer products such as LCD TVs, notebook computers, satellite navigation, DVD Player, digital cameras, smart phones, etc. The aim of this thesis is to propose a computer-vision-based scheme to detect the defects on the TFT-LCD substrate surface. These defects on TFT-LCD substrate surface consist of the material scratches, fingerprints, dust, made of adverse factors. In general, the pattern of the TFT-LCD substrate surface is a periodic web structure which is constructed with horizontal lines and vertical lines. So, this approach firstly filter out the periodic structure on the TFT-LCD substrate surface in the frequency domain by wavelet transform. That is, the lower frequency component of the source image after three-level WT decomposition is used to reconstruct the smooth version of the source image, and the web structure on the TFT-LCD substrate surface can be removed completely. Then, an adaptive thresholding algorithm based on Fuzzy Rule Extraction is employed to detect possible defects on the TFT-LCD substrate surface. From the experimental results, it is shown that the proposed scheme is superior to previous methods in terms of classification accuracy. More specifically, no false alarm occurs in the experiments under three lighting conditions.

封面 i
指導教授推薦書 ii
口試委員會審定書 iii
長庚大學博碩士論文著作授權書 iv
誌謝 v
中文摘要 vi
Abstract vii
目錄 viii
圖目錄 x
表目錄 xiv
第一章 緒論 1
1.1 研究背景與動機 1
1.2 相關文獻回顧 4
1.3 論文架構 7
第二章 小波理論 8
2.1小波簡介 8
2.2 小波基底函數 8
2.3 應用小波轉換於影像分解 11
2.4 影像二值化與直方圖(Histogram) 13
2.5 影像分割(Image Segmentation) 16
第三章 研究方法 18
3.1 TFT-LCD影像小波轉換 19
3.2 模糊化系統判斷影像瑕疵 20
3.2.1 各分區參數求取 21
3.2.2 模糊系統設計 21
第四章 實驗結果與分析 34
4.1 硬體設備架構 34
4.2 TFT-LCD基板瑕疵檢測實驗 35
4.3 實驗結果統計 51
第五章 結論與未來展望 56
參考文獻 58

圖目錄
圖 1-1 20 um/pixel解析度下的TFT-LCD面板 3
圖 1-2 TFT LCD基板世代呎吋 3
圖 2-1 二維快速小波轉換分析濾波器 11
圖 2-2 二維離散小波轉換所產生的分解 11
圖 2-3 二維快速小波轉換合成濾波器 12
圖 2-4 二維離散小波轉換所產生的合成 13
圖 2-5( a) 灰階圖 14
圖 2-5( b) 圖2-5( a)二值化後 14
圖 2-6( a) 原始影像 14
圖 2-6(b) 影像中的黑點被分割出 14
圖 2-7 圖2-6(a)之灰階直方圖 15
圖 2-8(a) 對比強影像 15
圖 2-8(b) 對比較弱影像 15
圖 2-9(a) 圖2-8(a)之灰階直方圖 16
圖 2-9(b) 圖2-8(b)之灰階直方圖 16
圖 3-1 本論文系統流程 18
圖 3-2 待測影像 19
圖 3-3 圖 3-2 四階小波轉換後影像 19
圖 3-4 小波重建後之低通平滑影像 20
圖 3-5 4x4井字型分區 20
圖 3-6 模糊系統的基本架構 22
圖 3-7 基於Fuzzy Rules Extraction系統流程圖 23
圖 3-8 梯形歸屬函數圖形 24
圖 3-9 Fuzzy Rules Extraction示意圖 25
圖 3-10 Fuzzy Rules Extraction範例圖 26
圖 4-1 較亮光源無瑕疵LCD基板影像 36
圖 4-2 平滑部份小波重建影像 36
圖 4-3 影像以本文方法二值化結果 36
圖 4-4 正常光源無瑕疵LCD基板影像 36
圖 4-5 平滑部份小波重建影像 36
圖 4-6 影像以本文方法二值化結果 36
圖 4-7 較暗光源無瑕疵LCD基板影像 37
圖 4-8 平滑部份小波重建影像 37
圖 4-9 影像以本文方法二值化結果 37
圖 4-10 較亮光源白點瑕疵LCD基板影像 37
圖 4-11 平滑部份小波重建影像 37
圖 4-12 影像以本文方法二值化結果 37
圖 4-13 正常光源白點瑕疵LCD基板影像 38
圖 4-14 平滑部份小波重建影像 38
圖 4-15 影像以本文方法二值化結果 38
圖 4-16 較暗光源白點瑕疵LCD基板影像 38
圖 4-17 平滑部份小波重建影像 38
圖 4-18 影像以本文方法二值化結果 38
圖 4-19 較亮光源黑點瑕疵LCD基板影像 40
圖 4-20 平滑部份小波重建影像 40
圖 4-21 影像以本文方法二值化結果 40
圖 4-22 正常光源黑點瑕疵LCD基板影像 40
圖 4-23 平滑部份小波重建影像 40
圖 4-24 影像以本文方法二值化結果 40
圖 4-25 較暗光源暗點瑕疵LCD基板影像 41
圖 4-26 平滑部份小波重建影像 41
圖 4-27 影像以本文方法二值化結果 41
圖 4-28 較亮光源刮痕瑕疵LCD基板影像 43
圖 4-29 平滑部份小波重建影像 43
圖 4-30 影像以本文方法二值化結果 43
圖 4-31 正常光源刮痕瑕疵LCD基板影像 43
圖 4-32 平滑部份小波重建影像 43
圖 4-33 影像以本文方法二值化結果 43
圖 4-34 較暗光源刮痕瑕疵LCD基板影像 44
圖 4-35 平滑部份小波重建影像 44
圖 4-36 影像以本文方法二值化結果 44
圖 4-37 較亮光源孔洞瑕疵LCD基板影像 46
圖 4-38 平滑部份小波重建影像 46
圖 4-39 影像以本文方法二值化結果 46
圖 4-40 正常光源孔洞瑕疵LCD基板影像 46
圖 4-41 平滑部份小波重建影像 46
圖 4-42 影像以本文方法二值化結果 46
圖 4-43 較暗光源孔洞瑕疵LCD基板影像 47
圖 4-44 平滑部份小波重建影像 47
圖 4-45 影像以本文方法二值化結果 47
圖 4-46 較亮光源纖維瑕疵LCD基板影像 49
圖 4-47 平滑部份小波重建影像 49
圖 4-48 影像以本文方法二值化結果 49
圖 4-49 正常光源纖維瑕疵LCD基板影像 49
圖 4-50 平滑部份小波重建影像 49
圖 4-51 影像以本文方法二值化結果 49
圖 4-52 較暗光源纖維瑕疵LCD基板影像 50
圖 4-53 平滑部份小波重建影像 50
圖 4-54 影像以本文方法二值化結果 50
表目錄
表 4-1 含白點微粒瑕疵影像檢測結果影像比較 39
表 4-2 含黑點微粒瑕疵影像檢測結果影像比較 42
表 4-3 含刮痕瑕疵影像檢測結果影像比較 45
表 4-4 含孔洞瑕疵影像檢測結果影像比較 48
表 4-5 含纖維瑕疵影像檢測結果影像比較 51
表 4-6 本實驗較亮光源下Fuzzy Rules 之分類情形 52
表 4-7 本實驗正常光源下Fuzzy Rules 之分類情形 52
表 4-8 本實驗較暗光源下Fuzzy Rules 之分類情形 53
表 4-9 本實驗較亮光源下不同影像分割法之誤判率比較 53
表 4-10 本實驗正常光源下不同影像分割法之誤判率比較 54
表 4-11 本實驗較暗光源下不同影像分割法之誤判率比較 54
表 4-12 本實驗不同光源下求出之瑕疵面積比較 53

[1] 曾彥馨，〈應用機械視覺於TFT面板表面瑕疵與分類〉，碩士論文，私立元智大學，民國91年。
[2] 洪崇祐 ，〈應用一維傅立葉分析於TFT-LCD液晶顯示面板之瑕疵檢測〉，碩士論文，私立元智大學，民國92年。.
[3] 陳錦宗，〈小波分析LCD面板瑕疵之研究〉，碩士論文，私立元智大學，民國94年。
[4] 謝志雲，〈應用機器視覺於方向性紋路之表面瑕疵檢測〉，碩士論文，私立元智大學，民國86年。
[5] 蕭鉢，〈應用小波轉換於表面瑕疵檢驗〉，碩士論文，私立元智大學，民國87年。
[6] (美) 曼卓 ( McAndrew et al) 著，《數位影像處理》，劉震昌譯，台北，高立圖書，民國九十九年。
[7] (美) 岡薩雷茲 (Gonzalez et al. ) 著 ，《數位影像處理》，繆紹綱譯，台北，東華書局，民國九十四年。
[8] 求是科技，《Visual C++數位影像處理技術大全》，初版，台北，文魁資訊，民國九十七年。
[9] 連國珍，《數位影像處理》，初版，台北，儒林圖書，民國九十七年。
[10] Gonzalez, Rafael C. ,Woods Richard E. and Eddins Steven L, Digital Image Processing Using Matlab, Prentice Hall , USA , 2003.
[11] J. S. Ryu, J. H. Oh, J. G. Kim, T. M. Koo, and K. H. Park,“TFT-LCD panel Blob-Mura inspection using the correlation of wavelet coefficients ”, TENCON 2004. 2004 IEEE Region 10 Conference, pp759-749, 2004
[12] Burger wilhelm, Burge Mark J., Principles of Digital Image Processing: Core Algorithms, Springer-Verlag , New York ,2009.
[13] Chui Charles, Devilliers John, Wavelet Subdivision Methods: Gems for Rendering Curves and Surfaces, Taylor & Francis, New York, 2010.
[14] Ety Navon, Ofer Miller and Amir Averbuch, “Color image segmentation base on adaptive local thresholds ”, Image and Vision computing 23, pp. 69-85, 2005.
[15] H. S. Sarraf and J. S. Goddard Jr.,“Robust defect segmentation in woven fabrics”, Computer Vision and Pattern Recognition, pp. 11-24 ,1998.
[16] E. Salari and Z. Ling,“Texture Segmentation using hierarchical wavelet transform”, Industrial Electronic, pp. 42-53, 1995.
[17] A. V. Nevel, “Texture classification using wavelet frame decompositions”, Signal System and Computers, vol.1, pp 311-314 ,1997.
[18] C. S. Lee, C. H. Choi , J. Y. Choi and S. H. Choi, “Surface defect inspection of cold rolled strips with features based on adaptive wavelet packets”, IEICE Transactions on Information and Systems, pp 135-149 , 1997.
[19] 蔣政輝，〈應用小波轉換於自動表面瑕疵檢測與圖形比對的應用〉，元智大學，碩士論文，民國89年。
[20] 陳昱君，〈應用機器視覺於彩色濾光片面板之表面瑕疵檢測〉，元智大學，碩士論文，民國96年。
[21] 王文俊，《認識Fuzzy》，第三版，台北，全華圖書，民國九十四年。
[22] Y. C. Chan, K. C. Huang and X. Dai, “Nondestructive defect detection in multiplayer ceramic capacitors using an improved digital speckle correlation method with wavelet packet noise reduction processing,” IEEE Trans. Packaging and Manufacturing Technology, Vol. 46, pp. 80-87, 2000.
[23] S. Abe and M. S. Lan, “Fuzzy rules extraction directly from numerical data for function approximation”, IEEE Trans. Syst. Man Cybern., vol. 25, no.1, pp.119–129, 1995
[24] C. T. Lin and C. S. G. Lee, “Neural-Network-Based Fuzzy Logic Control and Decision System”, IEEE Trans. Comp., vol. 40, no. 12, pp. 1320-1336, 1991