一种基于AOI的缺陷检测的自动分类分级方法和装置

技术领域

本申请涉及基于AOI的缺陷检测技术领域，特别涉及一种基于AOI的缺陷检测的自动分类分级方法。此外，本申请还涉及一种基于AOI的缺陷检测的自动分类分级装置。

背景技术

目前智能手机主流的屏幕可分为两大类,一种是LCD,另一种是OLED。无论是LCD还是OLED，几乎全部采用了AOI(Automatic Optic Inspection自动光学检测)设备进行缺陷检测。当前AOI检测除了需要把缺陷准确检测出后，还需要对缺陷进行分类及分级。缺陷分类是指按照缺陷形态、画面、位置、颜色、层等特征信息区分为不同类别的缺陷；缺陷分级是指对同一种类的缺陷(主要是点类和色斑类)按照缺陷程度、尺寸等区分为不同等级的缺陷，例如OK、G1、G2、G3等。请参考图1，图1为OLED产品的缺陷分类表示意图。

为什么要对缺陷进行分类呢？第一、每种缺陷判定基准是不同的，需要先分类然后再进行基准的判定；第二、由于缺陷位于手机屏幕不同的部件，缺陷分类可以作为屏幕是否能够修复以及需要修复的部件判定条件；第三、缺陷分类准确可精确反馈制程工艺问题点，作为工艺改善的判定依据。

为什么要对缺陷进行分级？第一：判定产品严重程度的依据；第二：满足客户不同的出货等级要求。

有鉴于此，提供一种能够快速便捷对缺陷进行分类分级方法，是各大厂家的迫切需求。

发明内容

本申请要解决的技术问题为提供一种基于AOI的缺陷检测的自动分类分级方法，该方法能够自动的完成AOI的缺陷检测的分类分级，从而能够显著提高效率、降低成本。此外，本申请另一个要解决的技术问题为提供一种基于AOI的缺陷检测的自动分类分级装置。

为解决上述技术问题，本申请提供一种基于AOI的缺陷检测的自动分类分级方法，包括：

基于AOI的检测输出的不同类型的缺陷，根据预定的大类分类规则，将输入的不同类型的缺陷区分为若干大类；

基于输入的某一大类的若干缺陷，根据预定的小类分类规则，将该某一大类若干缺陷细分为各种小类；

基于输入的同一大类下的某一小类的若干缺陷，基于预定的小类分级规则，将该某一小类的若干缺陷区分为不同等级；

基于所述大类分类规则、所述小类分类规则及所述小类分级规则，标记所述AOI检测输出的缺陷。

在一种具体实施方式中，

所述预定的大类分类规则包括下属五种算法中的至少一种：

点检测算法、线检测算法、块检测算法、色斑检测算法和画面异常检测算法；

大类缺陷包括下属五种缺陷中的至少一种：

点大类缺陷、线大类缺陷、块大类缺陷、色斑大类缺陷和画面异常大类缺陷。

在一种具体实施方式中，

在预定的某一大类缺陷下，将若干的小类缺陷规则按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分类判定；

当结果为是时，则进行小类缺陷的分级判定；

当结果为否时，则进行优先级较低的下一级的小类缺陷分类判定。

在一种具体实施方式中，

当进行小类缺陷的分级判定时，按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分级判定；

当结果为是时，则输出携带有所述大类分类规则、所述小类分类规则及所述小类分级规则的缺陷结果。

当结果为否时，则进行优先级较低的下一级的小类缺陷分级判定。

在一种具体实施方式中，

所述“基于所述大类分类规则、所述小类分类规则及所述小类分级规则，标记所述AOI检测输出的缺陷”之后，还包括：

基于距离数据，对任两个或多个标记输出的缺陷之间的相互关系作出判定，得出两个缺陷之间或三个缺陷之间相交、或相离的关系认定。

在一种具体实施方式中，

所述预定的小类分类规则至少包括下述五种规则中的一种：

点类分类规则包括：画面、亮/暗、形状、区域、距离、个数或算法；

线类分类规则包括：画面、亮/暗、水平、垂直、交叉、区域、长度或宽度；

色斑分类规则包括：画面、亮/暗、形状、区域、个数、长宽比、角度、AI分类类别、或颜色；

块分类规则包括：画面、亮/暗、区域、长度、宽度或算法；

画面异常分类规则包括：画面、亮度、异常状态或算法。

在一种具体实施方式中，

所述预定的小类分级规则至少包括下述两种规则中的一种：

点类分级规则包括：尺寸、面积或对比度；

色斑类分级规则包括：面积、对比度或JND。

此外，为解决上述技术问题，本申请还提供一种基于AOI的缺陷检测的自动分类分级装置，包括：

大类分类单元，用于基于AOI的检测输出的不同类型的缺陷，根据预定的大类分类规则，将输入的不同类型的缺陷区分为若干大类；

小类分类单元，用于基于输入的某一大类的若干缺陷，根据预定的小类分类规则，将该某一大类若干缺陷细分为各种小类；

小类分级单元，基于输入的同一大类下的某一小类的若干缺陷，根据预定的小类分级规则，将该某一小类的若干缺陷区分为不同等级；

标记单元，用于基于所述大类分类规则、所述小类分类规则及所述小类分级规则，标记所述AOI检测输出的缺陷。

在一种具体实施方式中，

所述预定的大类分类规则包括下属五种算法中的至少一种：

点检测算法、线检测算法、块检测算法、色斑检测算法和画面异常检测算法；

大类缺陷包括下属五种缺陷中的至少一种：

点大类缺陷、线大类缺陷、块大类缺陷、色斑大类缺陷和画面异常大类缺陷。

在一种具体实施方式中，

在预定的某一大类缺陷下，将若干的小类缺陷规则按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分类判定；

当结果为是时，则进行小类缺陷的分级判定；

当结果为否时，则进行优先级较低的下一级的小类缺陷分类判定。

在一种具体实施方式中，

当进行小类缺陷的分级判定时，按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分级判定；

当结果为是时，则输出携带有所述大类分类规则、所述小类分类规则及所述小类分级规则的缺陷结果。

当结果为否时，则进行优先级较低的下一级的小类缺陷分级判定。

在一种具体实施方式中，

所述基于AOI的缺陷检测的自动分类分级装置还包括：

关系认定单元，用于基于距离数据，对任两个或多个标记输出的缺陷之间的相互关系作出判定，得出两个缺陷之间或三个缺陷之间相交、或相离的关系认定。

在一种具体实施方式中，

所述预定的小类分类规则至少包括下述五种规则中的一种：

点类分类规则包括：画面、亮/暗、形状、区域、距离、个数或算法；

线类分类规则包括：画面、亮/暗、水平、垂直、交叉、区域、长度或宽度；

色斑分类规则包括：画面、亮/暗、形状、区域、个数、长宽比、角度、AI分类类别、或颜色；

块分类规则包括：画面、亮/暗、区域、长度、宽度或算法；

画面异常分类规则包括：画面、亮度、异常状态或算法。

在一种具体实施方式中，

所述预定的小类分级规则至少包括下述两种规则中的一种：

点类分级规则包括：尺寸、面积或对比度；

色斑类分级规则包括：面积、对比度或JND。

以下介绍本申请实施例的技术效果：

在一种实施例中，一种基于AOI的缺陷检测的自动分类分级方法，包括：

基于AOI的检测输出的不同类型的缺陷，根据预定的大类分类规则，将输入的不同类型的缺陷区分为若干大类；

具体的，在该步骤中，所述预定的大类分类规则包括下属五种算法中的至少一种：

点检测算法、线检测算法、块检测算法、色斑检测算法和画面异常检测算法；

大类缺陷包括下属五种缺陷中的至少一种：

点大类缺陷、线大类缺陷、块大类缺陷、色斑大类缺陷和画面异常大类缺陷。

也就是，AOI视觉检测系统包括点检测算法、线检测算法、块检测算法、色斑检测算法、画面异常监控算法(说明：每一种缺陷检测算法通常包含多个检测算法，例如点检测算法包括暗点检测、亮点检测等，同属于点检测算法)，图像检测完成后，缺陷即可分成点、线、色斑、块、画面异常五大类缺陷。

基于输入的某一大类的若干缺陷，根据预定的小类分类规则，将该某一大类若干缺陷细分为各种小类；

具体的，在该步骤中，在预定的某一大类缺陷下，将若干的小类缺陷规则按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分类判定；

当结果为是时，则进行小类缺陷的分级判定；

当结果为否时，则进行优先级较低的下一级的小类缺陷分类判定。

比如，Dot缺陷分为四级：按照缺陷的严重程度依次为低灰阶亮点、亮点、灰阶亮点、暗点。因而判断是否为低灰阶亮点，如果是，则进行低灰阶亮点的分级判定。如果不是，则进行优先级较低的下一级的小类缺陷：亮点的判断。如果是，则进行亮点的分级判定，如果不是，则遇上同理处理。

基于输入的同一大类下的某一小类的若干缺陷，基于预定的小类分级规则，将该某一小类的若干缺陷区分为不同等级；

基于所述大类分类规则、所述小类分类规则及所述小类分级规则，标记所述AOI检测输出的缺陷。

由上述介绍可知，本申请所提供的方法能够自动的完成AOI的缺陷检测的分类分级，从而能够显著提高效率、降低成本。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为OLED产品的缺陷分类表示意图；

图2为本申请一种实施例中一种基于AOI的缺陷检测的自动分类分级方法的逻辑流程图；

图3为本申请一种实施例中一种基于AOI的缺陷检测的自动分类分级装置的功能框图；

图4为本申请一种实施例中一种基于AOI的缺陷检测的自动分类分级方法的原理图；

图5为本申请另一种实施例中一种基于AOI的缺陷检测的自动分类分级方法的逻辑流程图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

在本申请的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参考图2，图2为本申请一种实施例中一种基于AOI的缺陷检测的自动分类分级方法的逻辑流程图。

在一种实施例中，如图2所示，一种基于AOI的缺陷检测的自动分类分级方法，包括：

步骤S101：基于AOI的检测输出的不同类型的缺陷，根据预定的大类分类规则，将输入的不同类型的缺陷区分为若干大类；

具体的，在该步骤中，所述预定的大类分类规则包括下属五种算法中的至少一种：

点检测算法、线检测算法、块检测算法、色斑检测算法和画面异常检测算法；

大类缺陷包括下属五种缺陷中的至少一种：

点大类缺陷、线大类缺陷、块大类缺陷、色斑大类缺陷和画面异常大类缺陷。

也就是，AOI视觉检测系统包括点检测算法、线检测算法、块检测算法、色斑检测算法、画面异常监控算法(说明：每一种缺陷检测算法通常包含多个检测算法，例如点检测算法包括暗点检测、亮点检测等，同属于点检测算法)，图像检测完成后，缺陷即可分成点、线、色斑、块、画面异常五大类缺陷。

步骤S102：基于输入的某一大类的若干缺陷，根据预定的小类分类规则，将该某一大类若干缺陷细分为各种小类；

具体的，在该步骤中，在预定的某一大类缺陷下，将若干的小类缺陷规则按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分类判定；

当结果为是时，则进行小类缺陷的分级判定；

当结果为否时，则进行优先级较低的下一级的小类缺陷分类判定。

比如，在图1中，Dot缺陷分为四级：按照缺陷的严重程度依次为低灰阶亮点、亮点、灰阶亮点、暗点。因而判断是否为低灰阶亮点，如果是，则进行低灰阶亮点的分级判定。如果不是，则进行优先级较低的下一级的小类缺陷：亮点的判断。如果是，则进行亮点的分级判定，如果不是，则遇上同理处理。

步骤S103：基于输入的同一大类下的某一小类的若干缺陷，基于预定的小类分级规则，将该某一小类的若干缺陷区分为不同等级；

具体的，在该步骤中，当进行小类缺陷的分级判定时，按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分级判定；

当结果为是时，则输出携带有所述大类分类规则、所述小类分类规则及所述小类分级规则的缺陷结果。

步骤S104：基于所述大类分类规则、所述小类分类规则及所述小类分级规则，标记所述AOI检测输出的缺陷。

具体的，需要说明的是，所述“基于所述大类分类规则、所述小类分类规则及所述小类分级规则，标记所述AOI检测输出的缺陷”之后，还包括：

基于距离数据，对任两个或多个标记输出的缺陷之间的相互关系作出判定，得出两个缺陷之间或三个缺陷之间相交、或相离的关系认定。

由上述介绍可知，本申请所提供的方法能够自动的完成AOI的缺陷检测的分类分级，从而能够显著提高效率、降低成本。

在上述任一种实施例中，还可以做出进一步改进，比如，

所述预定的小类分类规则至少包括下述五种规则中的一种：

点类分类规则包括：画面、亮/暗、形状、区域、距离、个数或算法；

线类分类规则包括：画面、亮/暗、水平、垂直、交叉、区域、长度或宽度；

色斑分类规则包括：画面、亮/暗、形状、区域、个数、长宽比、角度、AI分类类别、或颜色；

块分类规则包括：画面、亮/暗、区域、长度、宽度或算法；

画面异常分类规则包括：画面、亮度、异常状态或算法。

进一步的，所述预定的小类分级规则至少包括下述两种规则中的一种：

点类分级规则包括：尺寸、面积或对比度；

色斑类分级规则包括：面积、对比度或JND。

请参考图4和图5，图4为本申请一种实施例中一种基于AOI的缺陷检测的自动分类分级方法的原理图；

图5为本申请另一种实施例中一种基于AOI的缺陷检测的自动分类分级方法的逻辑流程图。

在本申请的实施例中，如图4所示，需要说明的是，基于AOI缺陷检测的缺陷分类分级方法仿照人工的分类和分级过程进行设计，主要包括点分类分级、线分类、色斑分类分级、块分类、画面异常分类、组合缺陷分类，首先大类区分：AOI缺陷检测算法将缺陷分为点、线、色斑、块、画面异常五大类缺陷，其次设置规则：设置每个大类别细分为小类别的分类和分级规则(用户可自由选择和编辑)，然后缺陷细分：分别对每个大类中的每一个缺陷按照设置好的分类和分级规则划分为不同的细类，最后组合判定：判定缺陷之间是否存在组合关系进行组合缺陷的判定。

如图4所示，第一步，大类区分：AOI视觉检测系统包括点检测算法、线检测算法、块检测算法、色斑检测算法、画面异常监控算法(说明：每一种缺陷检测算法通常包含多个检测算法，例如点检测算法包括暗点检测、亮点检测等，同属于点检测算法)，图像检测完成后，缺陷即可分成点、线、色斑、块、画面异常五大类缺陷；

第二步，设置规则：分别对点、线、色斑、块、画面异常每个大类别设置分类和分级规则；

点类分类规则包括：画面、亮/暗、形状、区域、距离、个数和算法；分级规则包括：尺寸、面积和对比度；

线类分类规则包括：画面、亮/暗、水平、垂直、交叉、区域、长度、宽度；

色斑分类规则包括：画面、亮/暗、形状、区域、个数、长宽比、角度、AI分类类别、颜色；分级规则包括：面积、对比度和JND；

块分类规则包括：画面、亮/暗、区域、长度、宽度、算法；

画面异常分类规则包括：画面、亮度、异常状态、算法。

如图5所示，第三步，缺陷细分：对每一个缺陷进行规则判定，先判定归属于哪一个大类，然后按照每一个大类的规则判定归属于哪一个细分类别，最后进行等级判定。

第四步：组合判定：当每个缺陷完成单一规则细分后，还需要对缺陷(点、线、色斑、块)之间的关系进行组合判定，包括两两之间或者三个之间缺陷相交或者相离关系，例如点在线上、块在线上、点在斑上等等。

第五步：结果输出：按照缺陷规则优先级，输出每个缺陷的细分结果。

此外，与上述方法实施例相对应，本申请还提供一套装置实施例。具体的，请参考图3，图3为本申请一种实施例中一种基于AOI的缺陷检测的自动分类分级装置的功能框图。

在一种实施例中，本申请还提供一种基于AOI的缺陷检测的自动分类分级装置，包括：

大类分类单元，用于基于AOI的检测输出的不同类型的缺陷，根据预定的大类分类规则，将输入的不同类型的缺陷区分为若干大类；

小类分类单元，用于基于输入的某一大类的若干缺陷，根据预定的小类分类规则，将该某一大类若干缺陷细分为各种小类；

小类分级单元，基于输入的同一大类下的某一小类的若干缺陷，根据预定的小类分级规则，将该某一小类的若干缺陷区分为不同等级；

标记单元，用于基于所述大类分类规则、所述小类分类规则及所述小类分级规则，标记所述AOI检测输出的缺陷。

在一种实施例中，所述预定的大类分类规则包括下属五种算法中的至少一种：

点检测算法、线检测算法、块检测算法、色斑检测算法和画面异常检测算法；

大类缺陷包括下属五种缺陷中的至少一种：

点大类缺陷、线大类缺陷、块大类缺陷、色斑大类缺陷和画面异常大类缺陷。

在一种实施例中，在预定的某一大类缺陷下，将若干的小类缺陷规则按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分类判定；

当结果为是时，则进行小类缺陷的分级判定；

当结果为否时，则进行优先级较低的下一级的小类缺陷分类判定。

在一种实施例中，当进行小类缺陷的分级判定时，按照缺陷严重程度优先级进行排序，先进行优先级高的小类缺陷的分级判定；

当结果为是时，则输出携带有所述大类分类规则、所述小类分类规则及所述小类分级规则的缺陷结果。

当结果为否时，则进行优先级较低的下一级的小类缺陷分级判定。

在一种实施例中，所述基于AOI的缺陷检测的自动分类分级装置还包括：

关系认定单元，用于基于距离数据，对任两个或多个标记输出的缺陷之间的相互关系作出判定，得出两个缺陷之间或三个缺陷之间相交、或相离的关系认定。

在一种实施例中，所述预定的小类分类规则至少包括下述五种规则中的一种：

点类分类规则包括：画面、亮/暗、形状、区域、距离、个数或算法；

线类分类规则包括：画面、亮/暗、水平、垂直、交叉、区域、长度或宽度；

色斑分类规则包括：画面、亮/暗、形状、区域、个数、长宽比、角度、AI分类类别、或颜色；

块分类规则包括：画面、亮/暗、区域、长度、宽度或算法；

画面异常分类规则包括：画面、亮度、异常状态或算法。

在一种实施例中，

所述预定的小类分级规则至少包括下述两种规则中的一种：

点类分级规则包括：尺寸、面积或对比度；

色斑类分级规则包括：面积、对比度或JND。

需要说明的是，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

本说明书通篇提及的“多个实施例”、“一些实施例”、“一个实施例”或“实施例”等，意味着结合该实施例描述的具体特征、部件或特性包括在至少一个实施例中。因此，本说明书通篇出现的短语“在多个实施例中”、“在一些实施例中”、“在至少另一个实施例中”或“在实施例中”等并不一定都指相同的实施例。此外，在一个或多个实施例中，具体特征、部件或特性可以任何合适的方式进行组合。因此，在无限制的情形下，结合一个实施例示出或描述的具体特征、部件或特性可全部或部分地与一个或多个其他实施例的特征、部件或特性进行组合。这种修改和变型旨在包括在本申请的范围之内。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“终端”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。