可与人类视觉感知相匹配的显示器自动化检测解决方案

日期:  
2020年 3月 9日
作者: 
Anne Corning  | 
主题: 

人的感知是确定显示器视觉质量的终极标准。由于这个原因,传统上,制造商们一直采用人工检测员对显示设备等产品进行质量控制检测。然而,由于观察者之间的统计差异,使用人工检测可能会出现问题。在过去的十年中,亮度测量和图像处理技术的进步提供了一种可与人眼视觉敏锐度相匹配的替代检测方案用于检测显示器缺陷。

人工检测显示器的局限性

人类的视觉是主观的、无法量化的并且难以复制。在检测过程中,这种可变性可能会增加接受有缺陷的设备或者使合格设备未通过的风险,这两种结果都会增加制造成本。在大量的重复操作时,生产线上的人工检验员无法采集所有缺陷类型和出现情况的详细定量信息,因为人工检测员往往只会对最明显的缺陷进行分类。

当评估以视觉效果为主的设备时,比如显示器设备,这些局限性将会产生很大的视觉影响。从智能手机,计算机到电视和汽车内饰,显示器已成为消费类电子设备中至关重要的产品,因此在显示器制造过程中,将人类视觉体验考虑在内的质量控制措施尤为重要。

实现显示器检测自动化

近几十年来,自动化视觉检测(AVI)方法兴起,该方法能够与人眼的视觉感知密切匹配,并且具有快速和一致性方面的额外优点。这种方法有时称为自动化光学检测(AOI),主要依靠相机技术、照明、软件算法和数据处理的结合使用。在20世纪80年代以前,AOI方法通常用于检测印刷电路板(PCB),该方法现已用于检测许多其他具有复杂检测需求的电子组件,比如显示器。

使用亮度和色度测量型成像系统可以实现显示器自动化视觉测试,这类系统能够客观地量化视觉质量,比如显示器的亮度、色度和对比度,可以检测像素坏点或残影、线缺陷和Mura(用于描述显示器中不均匀区域或斑点的术语)等缺陷。具有亮度和色度测量功能(成像色度计)的成像系统可以测量显示器视觉质量的空间公差(大小、方位、位置),从而能够精确识别Mura及其他缺陷。

成像系统是自动化视觉检测的关键要素之一。通常,我们会使用一套或多套成像系统采集被测设备(DUT)的2D或3D图像。特定检测要求决定了成像系统(例如:相机、亮度计、色度计、高分辨率亮度成像仪)、照明和检测设置的选择。为了检测如今采用LCD、OLED、新型microLED等技术的像素密集型消费类显示设备,制造商必须使用高分辨率成像系统来捕捉人眼可识别的像素级细节。

人类视觉灵敏度建模:JND(最小可觉差)

在美国国家航空航天局(NASA)开发出一种基于空间标准观测仪 (SSO)1的方法来测量最小可觉差(JND)之前,量化人类视觉感知(显示器的终极质量标准)一直是一项挑战。NASA在开发这种方法时考虑到了许多潜在的应用,“最值得注意的是……在制造过程中对显示器的检测。”2

JND模型为计量学增加了一个空间元素,创建了一种用于在给定的区域内测量一种元素的可见性或者两种元素的“视觉差异”的工具。该模型基于对人类观察者的抽样定义了JND数值范围,其中,JND差异值为1时,统计学上认为是观察者“可觉察到的最小差异”。在绝对量表范围内,JND值0表示无可见的空间对比度,JND值1表示首个可觉察的空间对比度。通过创建发光显示器图像的JND示意图,我们可以根据严重程度及其与人类视觉感知的直接关联性对随机和可变的Mura缺陷进行分级。

通过使用JND分析方法,显示器制造商可以准确地判断用户是否能察觉到被测设备上的Mura或其他缺陷,从而决定是否应当将其从生产线上撤出进行返工或直接废弃(在缺陷严重的情况下)。

ProMetric® 成像色度计TrueMURA™ 软件(瑞淀TrueTest™ 自动化视觉检测软件系列的一种)搭配使用所采集的显示器测量图像的JND原始分析图。此图像清晰地显示了屏幕中央位置的Mura缺陷。显示器边缘的一些伪影(漏光和黑点)也清晰可见。此分析突出显示了原始图像中几乎不可见的Mura缺陷。

从JND图(在TrueMURA软件中生成)的这种伪彩色可以清楚地看出,显示器中央的两个点和显示器底部部分区域的JND值都大于1(“最小可觉差”阈值)。除显示器中央和边缘的Mura缺陷之外,显示器大部分区域上的斑点区域的JND值约为0.7或以下,可以根据软件中用户定义的通过/未通过公差设置予以接受或拒绝。

 

如需了解更多有关JND算法如何应用于显示器全自动化测试的信息,请阅读瑞淀近期在《质量》(Quality Magazine)杂志上发表的文章:“使用‘最小可觉差’基于人类视觉感知实现显示器自动化视觉检测”。

 

 

引用文献

  1. 1. 空间标准观察仪,美国专利号:7,783,130 B2,2012年3月20日
  2. 空间标准观测仪(SSO), 技术解决方案,美国国家航空航天局(NASA),2015年