滴普技术荟：基于深度学习的云边一体化OLED屏缺陷自动光学检测技术

作者：阎胜利

中科院博士 助理研究员，从事光电成像系统总体及算法研究，现为滴普科技 2048事业部 技术品牌专家

一、要解决的主要问题

OLED (Organic Light-Emitting Diode)又称为有机电激光显示、有机发光半导体， OLED屏很薄很轻。OLED显示技术具有自发光、广视角、几乎无穷高的对比度、较低耗电、极高反应速度等优点。OLED不需背光源、对比度高、厚度薄、视角广、反应速度快、可用于挠曲性面板、使用温度范围广、构造及制程较简单等优异之特性，被认为是下一代的平面显示器新兴应用技术。

当前对OLED屏质量检测采用机器视觉技术，液晶屏依次显示黑色、白色、灰色、红色、绿色、蓝色等多种颜色，当显示每种颜色时，通过工业相机对手机屏幕进行拍照。然后通过图像分析技术进行缺陷判断，发现所存在的点类缺陷（异物点、黑点、白点、灰点、亮点、满天星等）、线类缺陷（暗线、亮线等）、Mura类缺陷（黑白团、白印、黑影、条纹、斜纹等）以及其他如漏光、显异、表面划伤、污染等特殊缺陷，代替人工检测，大大提高生产效率和生产自动程度，帮助LCD企业降低生产成本。

二、当前主流检测技术

OLED屏幕主要存在点线缺陷、外观缺陷、Mura缺陷识别。其中点线缺陷、外观缺陷由于特点明显，当前不管是机器视觉检测、影像亮度⾊度检测，还是人工检测，都能较容易识别，准确率可达到99.9%。然而Mura缺陷普遍具有对比度低、边缘模糊、形状不固定及肉眼难以判定等特点，而且极容易受到背景干扰的影响，因此Mura缺陷检测是业界的一大难题。当前公司和研究机构都在研究如何通过提高工业相机分辨率，图像预处理技术、优化算法等来提高Mura缺陷检测水平。

当前OLED质量检测在技术和方式有三类：机器视觉检测、影像亮度⾊度计、人工检测。机器视觉检测技术融合时下热门的深度学习等AI技术，有越来越多的产品和项目已经落地，是未来发展的主流。影像亮度色度计检测当前也有部分工厂产线在使用，具备重复检测效率高、人眼匹配度好等优点，但是存在灵活性差，成本高等缺点。人工检测因为效率低、主观随意性强已经被淘汰，只有少部分产线还在采用人工检测这种传统的方式。

机器视觉检测包含图像预处理系统、判别系统、深度学习平台，图片存储系统，综合运用了图像预处理、缺陷检测算法、机器学习、深度学习等AI技术。先通过工业相机获取OLED屏幕照片，再使用图像预处理技术凸显缺陷特征，通过训练好的模型算法进行识别，从而达到代替人工检测的目的。具备效率高，成本低，灵活性强的优点。已有越来越多的工厂和产线