AMOLED不良MAP自动缺陷定位方法研究

摘要

AMOLED生产工艺复杂,在生产过程中容易受环境、化学气体、液体洁净度及设备工艺参数的影响,在玻璃面板上形成大小不均的点状不良。当面板上出现大量不良点聚集时,会导致该面板直接报废,影响产品的最终良率。本文方法结合机器学习与图像处理技术,可实现不良坐标点MAP图的在线智能分析。采用层次聚类算法对不良坐标点进行聚集分类,对每类离散点簇采用Alpha Shapes算法提取其外轮廓点;通过图像区域拟合算法,拟合出每类点簇的最小包围图形区域,并计算图形的Hu几何矩,推导出各区域的区域特征(区域点密度、面积、区域的质心、区域方向、区域长宽比等),并利用区域特征对图形区域进行筛选,最终定位出不良点的目标聚集区域。实验证明,本文方法可实现MAP图智能在线分析,自动定位不良点聚集区,可替代当前人工目检的方式,保证检测质量,降低工厂成本。