在AMOLED面板制造过程中，由于各种原因，不可避免的会产生多种缺陷，如面板的基板玻璃表面含有针孔、划痕、颗粒、mura等缺陷，这些缺陷轻微会出现小范围的不良，重则会造成一条线的产品报废，造成巨大的经济损失。

传统缺陷检测方法为人工目视检测法，目前在手机、平板显示等诸多行业，仍然有大量的产业工人从事这项工作。这种人工视觉检测方法需要在强光照明条件下进行，不仅对检测人员的眼睛伤害很大，且存在主观性强、人眼空间和时间分辨率有限、检测不确定性大、易产生歧义、效率低下等缺点，已很难满足现代工业高速、高分辨率的检测要求。

随着电子技术、图像传感技术和计算机技术的快速发展，利用基于光学图像传感的表面缺陷自动光学（视觉）检测技术取代人工目视检测表面缺陷，已逐渐成为表面缺陷检测的重要手段，因为这种方法具有自动化、非接触、速度快、精度高、稳定性高等优点。而这就是今天要讲的检测技术AOI。

1

什么是AOI

AOI的全称为automated optical inspection，也就是自动光学检测技术，也称为机器视觉检测（machine vision inspection, MVI）技术或自动视觉检测（automated visual inspection, AVI）技术。在平板显示行业，AOI广被人知。但是AOI和MVI/AVI在概念和功能上还是有细微差别的。

从狭义上来说，MVI是一种集成了图像传感技术、数据处理技术、运动控制技术，在工业生产过程中，执行测量、检测、识别和引导等任务的一种新兴的科学技术。MVI的基本原理可用图 1 来表示，它采用光学成像方法（如相机，或者一个复杂的光学成像系统）模拟人眼的的视觉成像功能，用计算机处理系统代替人脑执行数据处理，最后把结果反馈给执行机构（如机械手）代替人手完成各种规定的任务。

从广义上来说，MVI是一种模拟和拓展人类眼、脑、手的功能的一种技术，在不同的应用领域其定义可能有着细微的差别，但都离开不了两个根本的方法与技术，即从图像中获取所需信息，然后反馈给自动化执行机构完成特定的任务。可以说基于任何图像传感方法（如可见光成像、红外成像、X光成像、超声成像等等）的自动化检测技术都可以认为是MVI或AVI。当采用光学成像方法时，MVI实际上就变为AOI。因此AOI可以认为是MVI的一种特例。

根据成像方法的不同，AOI又可分为三维（3D）AOI和二维（2D）AOI，三维AOI 主要用于物体外形几何参数的测量、零件分组、定位、识别、机器人引导等场合； 二维AOI主要用于产品外观（色彩、缺陷等）检测、不同物体或外观分类、良疵品检测与分类等场合。

2

AOI系统组成

目前在产业界用得最多的AOI系统是由相机、镜头、光源、计算机等通用器件集成的简单光学成像与处理系统。如图1所示，在光源照明下利用相机直接成像，然后由计算机处理实现检测。这种简单系统的优点是成本低、集成容易、技术门槛相对不高，在制造过程中能够代替人工检测，满足多数场合的要求。

但对于大幅面或复杂结构物体的视觉检测，由于受到视场和分辨率（或精度）的相互制约，或生产节拍对检测速度有特殊的要求，单相机组成的AOI系统有时难以胜任，因此可能需要有多个基本单元集成在一起，协同工作，共同完成高难度检测任务。即采取一种多传感器成像、高速分布式处理的AOI系统集成架构。

一种般AOI检测系统的通用架构，该系统由光源，相机阵列、显微复检、集群并行处理系统、控制系统、主控计算机、服务器组成，以及与工厂数据中心互联的工业局域网组成。该系统架构具有大幅面表面缺陷低分辨率快速检出和高分辨率显微复检两种功能。从图中可以看出，完整的AOI系统不仅集成了照明与光学成像单元，还需要有被测件支撑传输单元、精密运动机构与控制单元、高速并行图像处理单元等。

3

AOI系统集成技术

AOI系统集成技术牵涉到关键器件、系统设计、整机集成、软件开发等。AOI系统中必不可少的关键器件有图像传感器（相机）、镜头、光源、采集与预处理卡、计算机（工控机、服务器）等。图像传感器最常用的是各种型号的CMOS/CCD相机，图像传感器、镜头、光源三者组合构成了大多数自动光学检测系统中感知单元，器件的选择与配置需要根据检测要求进行合计设计与选型。

光源的选择（颜色、波长、功率、照明方式等）除了分辨与增强特征外，还需考虑图像传感器对光源光谱的灵敏度范围。镜头的选择需要考虑视场角、景深、分辨率等光学参数，镜头的光学分辨率要和图像传感器的空间分辨率匹配才能达到最佳的性价比。

一般情况下，镜头的光学分辨率略高于图像传感器的空间分辨率为宜，尽可能采用黑白相机成像，提高成像分辨能力。图像传感器（相机）采用面阵或线阵需根据具体情况而定，选型时需要考虑的因素有成像视场、空间分辨率、最小曝光时间、帧率、数据带宽等。

对于运动物体的检测，要考虑图像运动模糊带来的不利影响，准确计算导致运动模糊的最小曝光时间，确定图像传感器的型号。

图像传感器的曝光时间应小于导致运动模糊的最小曝光时间，快速曝光选择全局快门模式为宜，高速情况下不易采用卷帘式曝光模式；为了获得最佳的信噪比，图像传感器的增益尽可能为1，图像亮度的提升尽可能用光源的能量（功率）来弥补，或者在不影响可用的成像景深情况下，增大镜头的孔径光阑。

在系统集成中，被测件的支撑方式、精密传输与定位装置也必须精心设计，这牵涉到精密机械设计技术，这对平板显示、硅片、半导体和MEMS等精密制造与组装产业中的自动光学检测系统非常重要。

在这些领域，制造过程通常在超净间进行，要求自动光学检测系统具有很高的自洁能力，对系统构件的材料选型、气动及自动化装置选型、运动导轨的设计与器件选型都有严格要求，不能给生产环境尤其是被测工件本身带来二次污染。

尤其是用于表面缺陷检测的AOI系统不能在检测过程中，给被测件表面带来缺陷（如粉尘、划伤、静电等）。因此，对于大型零件（如高世代的液晶玻璃基板、硅片等）的在线检测，常常需要采取气浮支撑、定位与传输机构，运动部件（如轴承等）采用自润滑器件，以及利用FFU风机过滤机组对检测系统进行环境净化，并采取消静电装置，对工件进行防静电处理。

高速图像数据处理与软件开发是自动光学检测的核心技术。由于自动光学检测是以图像传感获取被测信息，数据量大，尤其是高速在线检测，图像数据有时是海量的，为满足生产节拍需求，必须采用高速数据处理技术。

常用的方法有共享内存式的多线程处理，共享内存或分布式内存多进程处理等；在系统实现上采用分布式计算机集群，把巨大的图像分时、分块分割成小块数据流，分散到集群系统各节点处理。

对于耗时复杂的算法，有时仅靠计算机CPU很难满足时间要求，这时还需配备硬件处理技术，如采用DSP、GPU和FPGA等硬件处理模块，与CPU协同工作，实现快速复杂的计算难题。

既然检测完了，那怎么修复呢？这里不讲一些机械划痕造成的外观补偿，也是现在开发最多的盖板外观检。这里讲画面检测。

面板检测范围就是出现亮度均匀性和残像的现象。因为这个是OLED目前面临的两个主要难题，要解决这两个问题，除了工艺的改善，就是补偿技术。

补偿方法一般可以分为内部补偿和外部补偿两大类。内部补偿是指在像素内部利用TFT构建的子电路进行补偿的方法。外部补偿是指通过外部的驱动电路或设备感知像素的电学或光学特性然后进行补偿的方法。而我们接下来要说的demura就是外部补偿。

4

外部补偿之Demura

外部补偿根据数据抽取方法的不同又可以分为光学抽取式和电学抽取式。光学抽取式是指将背板点亮后通过光学CCD照相的方法将亮度信号抽取出来，电学抽取式是指通过驱动芯片的感应电路将TFT和OLED的电学信号抽取出来。

两种方法抽取的信号种类不同，因此数据处理的方式也不同。光学抽取的方式具有结构简单，方法灵活的优点，因此在现阶段被广泛采用，即为我们平时所说的Demura。

Mura一词源于日本，原意指亮暗不均，后扩展至面板上任何人眼可识别的颜色差异。

对于面板厂而言，需要进行质量监控，因此在产线上均有技术员去检测判定mura，但是这种方法很主观，不同人的判定有差异，给品质管控带来很大的困扰。

因此技术人员开发出AOI(automatic optical inspection)设备进行mura的检测，以及检测到Mura后进行补偿消除Mura，即Demura，本文讲重点介绍Demura。

5

Demura一般步骤

Drive IC点亮面板（TV/mobile/Tablet）,并显示数个画面（一般是灰阶或者RGB）。

使用高分辨率和高精度的CCD照相机拍摄上述画面。

根据相机采集数据分析pixel颜色分布特征，并根据相关算法识别出Mura。

根据mura数据及相应的Demura补偿算法产生Demura数据。

将Demura数据烧录到Flash ROM中，重新拍摄补偿后画面，确认Mura已消除。

6

检测画面

点亮面板后需要被检测的画面根据不同面板厂的要求，一般是不同的。

有些面板厂的Demura只对亮度差异进行补偿，不对色彩差异进行补偿，这种Luminance Demura一般只需要检测灰阶画面，而且由于不同灰阶时呈现的Mura不同，一般会检测高中低灰阶的Mura，最后Demura数据平均，当然具体的设定不同面板厂会根据自己的实际需求进行选择。

有些面板厂进行的是比较全面的Color Demura,即不仅对亮度同时对色度差异也进行补偿。

此类型的color Demura的检测画面，有些采用灰阶画面，有些采用RGBW画面，不同面板厂根据技术和需求选择不同。

7

相机拍照

为了达到代替技术员的目标，以下两点时必须的：

1、相机符合CIE1931人眼匹配函数，

2、相机能达到人眼的分辨率。

拍摄检测画面时一般采用高精度高分别率的CCD相机，相机分辨率的选择取决于被检测面板的分辨率，大小，拍摄距离以及Demura补偿的精度。

为了达到最佳的检测和补偿效果。相机最终得到的数据一定要是XYZ，且后续的计算均是基于相机拍照得到的XYZ数据。

8

Mura识别

得到面板XYZ的分布数据后就可以根据不同的算法检测不同的Mura,关于Mura检测目前有二个国际标准：

1.German Flat Panel Display Forum

2.IDMS(former VESA)

当然Mura检测异常复杂，各个厂家都有开发自己的Mura检测算法，也算是自己的核心技术。Mura识别的内容太多，本文举几个简单的例子作为说明。

上图是科学家做实验得出的人眼对比敏感性函数，黄色曲线以上部分，人眼基本无法识别出Mura,可以看出两个因素可以明显影响对Mura严重程度的判定:

1、亮暗对比程度的差异

2、亮暗差异的周期分布

9

Mura检测之傅里叶变换

任意一个图像均可以分解为不同频率，强度，相位，方位的sin函数。

10

Mura检测之边缘识别

经过傅里叶变换后，高频部分可以用来识别图像边缘。

经过对比增强后，原本很微弱不易识别的Mura可以明显被识别，当然还有很多其它的方法，例如比较Pixel与周围pixel的亮度差异，计算亮度梯度，计算色差等方法。

11

Demura算法

为了更好的理解Demura补偿算法，可以观看以下视频和图片：可以看出Demura算法原理其实很简单：

只是把它认为偏暗的区域变亮，或者偏亮的区域变暗，或者将有色偏的区域消除，最终的目标是使得面板不同区域有大体相同的颜色，当然需要平滑的算法来消除Mura边界。

12

烧录

OLED Demura数据确定后，就需要将其烧录到EEPROM中以实现补偿效果，最后再拍照确认Mura已消除，Demura数据占用ROM空间的大小取决于屏幕分辨率以及补偿精度（pixel级，3*3，5*5…..）。

Demura 前：

Demura 后：

13

OLED Demura总结

OLED Demura技术，目前三星(三星内部demura被称为POC)和LG处于领先的位置。但是Demura技术很复杂，均不能算成熟完美，国内各个厂家也在积极开发子自己的Demura技术，希望能够提升良率。

Mike Zheng，武汉精测电子集团股份有限公司 研发总监，第十六届中国专利金奖获得者，长期从事显示面板Module调测相关工作。目前从事OLED/Micro LED De-Mura与AOI一体化技术及设备的相关研究与开发工作。

为了更深度的了解目前柔性AMOLED面板中的AOI和demura两种技术的现状和进展，OLEDindustry特邀请国内OLED面板AOI和Demura的龙头设备企业武汉精测电子集团股份有限公司研发总监Mike Zheng，于2019年4月19日首届柔性可折叠AMOLED技术峰会做关于AOI与demura的技术分享。