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(guān)鍵組件，其性能直接影響顯示器呈現(xiàn)的畫面質(zhì)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(shù)CF制造商在出貨前的Mura缺陷檢測環(huán)節(jié)仍采用全數(shù)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(huán)境影響，且效率極為低下。文章分析了國外生產(chǎn)的CF Mura缺陷檢測設(shè)備的結(jié)構(gòu)和圖像處理算法，針對誤檢率高、圖像干擾等問題，總結(jié)出通過標準畫像的合理管控，調(diào)整Mura檢測機位置，優(yōu)化檢測參數(shù)等方案，實現(xiàn)圖像質(zhì)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(chǎn)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(shù)量，同時縮短CF產(chǎn)品Cycle time 60分鐘，取得了良好的經(jīng)濟效益，為國內(nèi)液晶面板制造行業(yè)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(guān)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(shè)備Layout說明

如圖1所示以R工藝為例，設(shè)備依次為發(fā)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(xué)檢測機（AOI）、熱烘烤設(shè)備、目視宏觀檢查機、收片機以及與服務(wù)器相連接的CIM PC。Mura機是基于機器視覺技術(shù)的涂布膜厚檢測。

1.2 Mura機作用

Mura按形態(tài)區(qū)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(chǎn)中，面板生產(chǎn)線的品質(zhì)監(jiān)控，分為首件確認、過程監(jiān)控和出貨全檢三種：

（1）首件確認的優(yōu)勢：在無Mura機生產(chǎn)線中，從涂布完成到Macro人眼目視給出判定結(jié)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(chǎn)的面板生產(chǎn)線來說，產(chǎn)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(nèi)，若不合格時，工藝調(diào)整后也能快速判斷效果。

（2）過程監(jiān)控的優(yōu)勢：過程中無法全數(shù)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(shè)置專門的作業(yè)員可同時對多個工序的圖像集中觀察判定，發(fā)現(xiàn)不良的效率和及時性有很大的提高。

（3）出貨全檢的優(yōu)勢：在最終的CF出貨前都要進行人工目視全數(shù)檢測，在檢測過程中當前基板的圖像經(jīng)過網(wǎng)絡(luò)服務(wù)器可以呈現(xiàn)在Macro檢測設(shè)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(yīng)用于CF生產(chǎn)時的優(yōu)點，但并沒有實現(xiàn)Mura缺陷的等級量化。

2 CF Mura機結(jié)構(gòu)與原理

2.1 CF Mura機的配置

如圖3為Mura機結(jié)構(gòu)，玻璃經(jīng)傳輸帶流經(jīng)檢查區(qū)CCD采集圖像數(shù)據(jù)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(chǎn)生曝光引發(fā)膜質(zhì)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(yīng)膜厚的差異性，膜厚的變化導(dǎo)致光程差的變化，干涉光的明暗會發(fā)生變化。根據(jù)光源波長及CCD參數(shù)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(shù)、？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(shù)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(shù)據(jù)；（3）根據(jù)數(shù)據(jù)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(shù)據(jù)，再用L（x）*n（n為在x方向上的像素數(shù)），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(jù)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(yù)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(quán)平均，然后進行微分運算，得到該點的邊緣強度值，該參數(shù)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(shè)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(shù)進行相與的關(guān)系對Mura進行等級判定。根據(jù)缺陷分割出Mura的平均像素亮度值與非Mura區(qū)的平均像素亮度值做差，差值作為亮度差；同時Mura區(qū)邊緣的一次微分值作為邊緣強度值。

綜上，通過人工設(shè)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(jù)各型號產(chǎn)品進行實驗驗證，最終找到合適的參數(shù)。

3 Mura機在應(yīng)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(jié)果要符合人眼的判斷標準；（2）要能夠?qū)θ毕葸M行量化評定?；谝陨蟽牲c，總結(jié)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(tài)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(tài)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(tài)會發(fā)生變化，CCD補償增益也要相應(yīng)變化?；谝陨显?，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(tài)基板，標準畫像A為使用基板A的數(shù)據(jù)制成的標準畫像；標準畫像B為使用基板B的數(shù)據(jù)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(jié)果顯示，僅第1組所獲Mura圖像質(zhì)量是OK的，其他均較差。經(jīng)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(tài)與后續(xù)待檢測基板的涂布狀態(tài)要相同。

3.1.2 標準畫像的更新管理

根據(jù)標準畫像制作原理和實際使用經(jīng)驗制定標準畫像更新的條件如下：

（1）產(chǎn)品型號變更時；

（2）Mura上游設(shè)備的Recipe變更時（Coater，VCD等）；

（3）圖像上出現(xiàn)疑似Mura時；

（4）光源關(guān)閉后再開啟時（30分鐘后，光源進入穩(wěn)定狀態(tài)才能開始錄制）；

（5）光源照度衰減>8%。

3.2圖像區(qū)域性黑白不均的干擾

如圖10所示，為干擾嚴重的區(qū)域性黑白不均圖像。

Mura機位于VCD后，VCD 結(jié)構(gòu)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(dǎo)致膜面不均勻；如圖12為VCD廠家提供的基板表面部分區(qū)域氣流流速分布圖。實際生產(chǎn)驗證也表明不同VCD 參數(shù)對Mura圖像的影響非常明顯，如圖13所示。

盡管有經(jīng)驗的人觀察圖像多數(shù)可以區(qū)分哪些區(qū)域是VCD 導(dǎo)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(chǎn)線中將Mura機的位置調(diào)整至HP后（Hot Prebake，熱烘烤設(shè)備）。因HP后溶劑基本揮發(fā)完畢，膜質(zhì)已經(jīng)穩(wěn)定，膜面受外界的影響已經(jīng)較少，圖像質(zhì)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(chǎn)生不良到HP之后，Mura檢出不良時不良品產(chǎn)生的數(shù)量通常多出10張左右。

3.3 缺陷檢出和量化參數(shù)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(fù)更改設(shè)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(shù)據(jù)，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(shè)定。

3.3.2 缺陷判定條件

如前所述缺陷量化是根據(jù)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(fù)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(shè)定數(shù)據(jù)，圖17為邊緣強度差數(shù)據(jù)，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(chǎn)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(chǎn)品到達最后一道工序全數(shù)人工檢查時，目視檢查設(shè)備Final Macro的PC從服務(wù)器上下載并顯示當前基板的Mura畫像以供作業(yè)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(chǎn)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(yīng)的code為G、E和R，等級的優(yōu)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?；诖艘?guī)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(xiàn)了人工目視檢查數(shù)量的減少，為了實現(xiàn)這種運營，對生產(chǎn)線的Inline搬送模式進行軟件升級，實現(xiàn)基板自動分流。變更后的產(chǎn)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(shè)備的檢測數(shù)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(shù)量。同時，所需的人工目視檢查機的機器數(shù)量也減少了60%左右，降低了工廠的能耗。

5 結(jié)束語

通過對采用機器視覺技術(shù)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(guī)則，調(diào)整檢測設(shè)備位置有效改善了圖像質(zhì)量，并通過大量實驗設(shè)置合理的檢測閾值并對缺陷進行量化等級，實現(xiàn)初步的自動判定，并通過調(diào)整產(chǎn)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(shù)量近60%，節(jié)約了工廠設(shè)備能耗和檢測人員的數(shù)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(jié)合更為廣泛的先進手段，總結(jié)前人實踐經(jīng)驗，利用更為有效的檢測手段和技術(shù)將缺陷控制在發(fā)生階段，最大限度降低Mura缺陷造成的生產(chǎn)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(xué)，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(xué)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(xué)，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(xué)學(xué)報（工學(xué)版），2003.endprint