偏光片细微外观缺陷偏振成像检测方法

黄广俊 列智豪 王兴政 钟小品 邓元龙

(深圳大学机电与控制工程学院 深圳 518060)

1 引言

偏光片是一种常见的偏振光学元件，应用非常广泛，例如在薄膜电晶体液体显示器(Thin Film Transistor Liquid Crystal Display, TFT-LCD)型液晶显示面板中，必有两层偏振方向正交的偏光片。偏光片成品一般由6层微米级厚度的透明聚合物薄膜组成，其外观缺陷(Aesthetic Defect)可能出现在任何一层。凸凹点、异物、气泡、划痕等外观缺陷会直接降低显示面板的质量等级，甚至导致整个面板报废。目前，国内外偏光片生产商和液晶面板厂家，仍然普遍采用人工目视方法离线检测偏光片外观缺陷。目视检测劳动强度大、主观性强且一致性差，检测效率无法进一步提高。因此，研究偏光片外观缺陷自动检测技术具有重要的应用意义。

Yoon等人[1]利用发光二极管(Light Emitting Diode, LED)面光源，研究了偏光片在线检测和分类技术，并采用图像分割和模板匹配方法对异物、气泡和凹痕等缺陷进行检测和识别，缺陷分类精度达到96%。Kuo等人[2]采用线阵相机设计了偏光片外观缺陷检测系统，使用霍夫变换识别分割后的图像，识别气泡、划痕、灰尘和异物等缺陷，分类精度达到98%。Cheng等人[3]使用哈尔小波变换方法检测偏光片Mura缺陷。Yen等人[4]研究了一种基于黑白条纹投影的检测系统，用于检测偏光片微小凸点缺陷，能够在0.3 s内完成36 mm×27 mm偏光片样本的缺陷检测。2017年，韩国湖西大学Won等人[5]采用卷积神经网络，主要研究了点缺陷的分类问题，缺陷分类精度达到95%。针对凹痕、异物、亮点和划痕4类常见的偏光片外观缺陷，Kuo等人[6]使用最大灰度等级、离心率、对比度和灰度共生矩阵来提取缺陷图像的特征，然后输入到径向基神经网络中进行识别，缺陷分类精度达到98.9%。2018年，中北大学Lei等人[7]使用深度学习目标检测算法对偏光片外观缺陷进行检测，平均准确率达到67.5%。2020年，太原科技大学Liu等人[8]提出一种基于深度学习的轻量级神经网络，该模型的分类准确率达到99.4%，可以解决无缺陷，污渍和缺陷图像的分类问题。

上述研究主要关注图像处理和分类算法，较少涉及缺陷成像方法的研究，而偏光片细微外观缺陷难以成像、难以检测的问题，才是影响自动检测技术获得实际应用的关键障碍。针对这个问题，文献[9,10]采用条纹结构光照明实现了缺陷成像增强，并研究了缺陷模型、成像仿真、结构光增强机理和相应的缺陷图像处理算法。然而，对于突起、刺伤和水胶粒等极细微透明缺陷，即使采用上述结构光照明方法，却仍然难以成像、难以检测。

偏振成像能够有效增加目标探测和识别的维度信息，广泛应用于视觉检测领域[11,12]。由于椭偏、散射退偏和旋向等效应，偏光片外观缺陷会改变入射光的偏振态，从而显著提高缺陷成像对比度。因此，本文提出一种基于偏振成像的偏光片外观缺陷检测技术，利用缺陷与正常区域之间透射光偏振态的差异，提高极细微外观缺陷的成像对比度，从而简化图像处理算法，进一步提高检测速度和准确率。本文组成如下：第2部分介绍检测系统与缺陷成像增强的效果；第3部分实验研究上述缺陷成像增强的机理；第4部分给出150个缺陷样品的检测结果；然后是讨论和结束语。

2 偏振成像检测系统

缺陷检测系统如图1所示，为典型的“起偏-样品-检偏”(Polarizer-Sample-Analyser, PSA)布局。工业相机为5.1×106像素，视场为61.5 mm×41.5 mm，实际分辨率约20 μm/像素，满足检测最小缺陷(100 μm)的要求。参考偏光片生产厂家的检测现场（暗室），实验系统采用遮光布屏蔽，避免可能存在的环境光干扰。均匀线偏振光透射被测样品，旋转偏振镜(检偏器)方向，相机采集不同角度下的缺陷图像。当检偏器与偏光片样品透光轴方向一致和垂直时，图像分别为最亮和最暗，缺陷成像对比度较低，不利于缺陷检出。某一个凹痕缺陷在不同检偏角时的图像灰度值如表1所示，当二者夹角处于45°左右时，缺陷成像对比度较高。

表1 凹痕缺陷对比度

图1 检测系统

针对均匀光和结构光照明都无法成像的突起、捏痕、刺伤和指痕4种极细微缺陷，偏振光成像效果如图2所示，对比度分别提高到8.6%, 1.5%,18.3%和4.9%，有效实现了缺陷成像增强。

图2 不同成像方式下4种缺陷对比度(从左到右分别为均匀光成像、结构光成像、偏振光成像)

3 缺陷成像增强机理的实验研究

采用横向塞曼激光器，直接输出线偏振光，入射被测偏光片样品，实验系统如图3所示。通过1维运动平台实现缺陷区域和周边正常区域的逐点扫描，偏振态测试仪测量出射光的偏振态，逐点给出偏振度(Degree Of Polarization, DOP)、线偏振度(Degree Of Linear Polarization, DOLP)、圆偏振度(Degree Of Circular Polarization, DOCP)、偏振角(Angle Of Polarization, AOP)和椭圆率(ellipticity)等偏振态数据，从而检验缺陷对入射光偏振态的影响。

图3 缺陷偏振特性测试系统

一个典型凹痕缺陷样品的测试数据如图4所示。正常区域的偏振度和线偏振度约为97%（保护膜和离型膜会产生少量的退偏作用），由于缺陷的退偏、椭偏等作用，缺陷区域的DOP和DOLP明显降低到86%左右，而偏振角、圆偏振度和椭圆率角却明显上升。显然，与正常区域相比，缺陷区域透射光的偏振态存在较大变化，通过检偏器之后，二者的强度必然存在较大差异——这是图1所示检测系统实现缺陷成像增强的机理。

图4 凹痕缺陷偏振态测量结果

同理测量了水胶粒、亮点、蝶纹、划伤和突起5种常见极细微缺陷的偏振态指标，与正常区域的最大差值如表2所示。可见，利用缺陷与正常区域出射光偏振态的差异，检测偏光片外观缺陷，具有较好的可行性。

表2 偏振态指标的最大差值(缺陷与正常区域之间)

4 检测结果

由于采用偏振成像，偏光片极细微外观缺陷成像对比度得到大幅提升，所以缺陷图像无需预处理，直接应用鲁棒主成分分析法(Robust Principle Component Analysis, RPCA)[14,15]即可。RPCA是一种常用的前景背景分离算法，该算法将缺陷图像矩阵分解为一个低秩矩阵和一个稀疏矩阵的叠加，其中前者即为背景，后者则为缺陷目标。选取稀疏矩阵对应的图像，采用Otsu阈值分割得到二值化图像，即可检出缺陷和提取相关信息。针对6种常见细微缺陷，缺陷图像与检出结果如图5所示。

图5 常见6种细微缺陷原始图像及其RPCA分解稀疏矩阵图像的二值化结果

针对实验室已有的150个细微外观缺陷样品，检测结果如表3所示，平均检出率达到97.3%，基本满足产业应用需求。少量极细微缺陷样本的偏振特性变化很小，导致不能检出，例如指痕等缺陷。需要进一步研究此类极细微缺陷的偏振模型，并优化检测系统设计以提高检出率。

表3 缺陷检出率对比

采用线型结构光[9]检测一个61.5 mm×41.5 mm样品，由于需要主动光多步扫描并识别多幅图像，在同样的平台上(Matlab 2020b,Windows10系统，Intel i5-4460 3.2 GHz, 16 GB RAM)实现图像采集与缺陷提取，平均所需时间约为1.39 s；与此对比，本文提出的偏振成像法无需运动或扫描环节，仅需要处理一幅图像，平均检测时间约为0.22 s，更适于在线/连续检测。

5 讨论

实验中发现，部分极细微缺陷的对比度可以进一步提高。使用圆偏振镜测量法计算Stokes参量，如式(2)所示[16]

可见，两个缺陷样品的成像对比度在DOP和AOP图像中都有明显提升。然而，不同的缺陷样品，偏振态指标图像效果差异较大；具体缺陷类型所对应的最佳偏振态表征指标尚不明确，其中的机理和指标图像合成方法需要进一步深入研究。

偏光片的部分点状透明缺陷(例如压痕)具有一种特殊性—部分偏光片粘贴到基板之后，由于粘贴力及自身恢复等因素，缺陷会消失，并不影响液晶面板质量等级；而有些压痕样品则不行。缺陷3维形态的差异是造成这种区别的重要因素。根据图4所示的缺陷偏振态测量结果可知，缺陷区域偏振态的连续分布，反映出该缺陷的3维形态，因此，本文所提出的偏振成像检测方法，可望在检测有无缺陷的同时，无损测量缺陷的3维形态。

图6 两个典型缺陷成像效果对比

6 结束语

针对偏光片极细微外观缺陷，提出一种基于“起偏-样品-检偏”(Polarizer-Sample-Analyser,PSA)布局的偏振成像检测方法。由于缺陷存在一定的椭偏和散射退偏作用，透射光的偏振态有明显变化，因此本方法可以大幅提高缺陷成像对比度，从而简化后续的图像处理算法，提高检测速度和缺陷检出率。虽然目前还没有建立定量的机理表达或数学模型，但是缺陷区域偏振态指标的测量结果，以及大量的检测数据，验证了此方法的可行性。所研究的偏光片外观缺陷检测方法与系统，也同样适用于其他类似薄膜产品的质量控制，具有较好的应用前景。