液晶显示器Mura缺陷及测量方法浅析

张鹏， 马婷婷，杨叶花，王潇潇，黄锋，谭山（广州计量检测技术研究院 国家光电成像及显示产品质量监督检验中心，广东广州，510030）

液晶显示器Mura缺陷及测量方法浅析

张鹏， 马婷婷，杨叶花，王潇潇，黄锋，谭山
（广州计量检测技术研究院 国家光电成像及显示产品质量监督检验中心，广东广州，510030）

Mura缺陷是液晶显示器（LCD）中常见的不良现象，直接影响到显示图像质量。本文对液晶显示器Mura缺陷进行了详细的综述，首先概述了Mura缺陷的种类及主要来源，然后介绍了Mura缺陷的三类测量方法：人工视觉识别法、电学测量法、光学测量法。人工视觉识别法利用滤光片观察样品，成本较低，但无法做到客观的评定产品等级；电学测量法适用于电气缺陷造成的Mura；基于机器视觉的光学测量法是当前研究的热点，对于各种原因造成的Mura 缺陷均具有良好的检测效果。详细分析了各种检测方法的特点，最后进行归纳总结。

LCD；Mura缺陷；人工视觉识别法；机器视觉

0 引言

随着3D、4K等新技术的发展，消费者对显示性能提出了更高的要求：大尺寸、轻薄、高清、环保节能。新工艺的引入使得显示缺陷产生的几率大大增加，Mura即是影响液晶显示器画面品质的缺陷之一。由于Mura缺陷的等级判定直接决定LCD面板等级划分，因此Mura缺陷的成因、检测及改善至关重要[1-3]。

1 Mura缺陷

1.1 Mura缺陷来源

Mura由日本平板显示行业首先提出，现为平板显示行业专用术语。国际半导体设备与材料组织(Semiconductor Equipment and Materials International, SEMI)等标准化组织将其定义为显示器亮度或色度不均匀，造成对比度不协调的区域[4-10]。LCD生产工序复杂，集成度高，涉及百万级别的元器件制造拼装，因此Mura缺陷来源较多。例如，在喷涂过程中，滤光片的膜厚不均匀，会导致光经过后颜色不均；薄膜晶体管(TFT)由多层镀膜而来，层与层之间的相对位置对其特性影响较大，其中一层的错位即可造成显示异常；液晶材料分布的均匀性及填充后的高度均可造成Mura现象；偏光片来料不良会导致偏贴，形成Mura；背光源发光不均匀或排列设计不合理时，即使面板制作合格，也会形成各种Mura。此外，生产过程中异物、粉尘的进入，都会造成Mura缺陷。

1.2 Mura缺陷种类

依据不同的标准可对Mura进行不同分类，依据缺陷产生原因的不同，可分为电气缺陷、非电气缺陷；依据位置不同，可分为边角Mura、灌注口Mura、中间区域Mura等；依据方向划分，可分为水平Mura、垂直Mura、斜向Mura等。图1、图2为部分Mura缺陷的示意图。随着机器视觉检测技术的发展，依据形状特征进行分类更加科学适用，是目前最常采用的分类法，大致可分为点缺陷、线缺陷、团缺陷、带缺陷、V型缺陷等。

图1 按位置划分：(a) 边角Mura；(b) 灌注口Mura；(c) 中间区域Mura

图2 按方向划分：(a) 水平Mura；(b) 垂直Mura；(c) 斜向Mura

2 Mura缺陷检测方法

2.1 人工视觉识别法

人工视觉识别法即培训专业人员，在规定的观察条件下，以人眼识别Mura缺陷。该方法简便易行，是目前各大生产企业最常用的检测手段。通常在110lux环境照度下，检测人员位于显示屏幕正前方30cm处，使用中性密度滤光片，观察不同灰度画面下的可疑缺陷，依据企业制定的分级标准对缺陷进行级别判定。我国电子行业标准《SJ/T 11459.2.2.4-2013 液晶显示器件 第2-2-4部分：手机用彩色矩阵液晶显示模块详细规范》[7]规定，云纹（Mura）应该在6%中性密度滤光片遮盖后不可见，或对照标准样本。人工视觉识别法受到多种因素影响，如人眼视觉限制、标准观察者熟练程度、主观感受等，无法保证客观的缺陷等级评价，易产生不可靠的检测结论。

2.2 电学测量法

电学测量法通常用于检测电气缺陷导致的Mura，如面板中栅极线的短路/断路、接触不良、引脚开路等等。电学测量法包括导纳电路检测法、全屏点亮法、探针扫描法、电荷读出法、电压图像法和电子束扫描像素电极法等[11]。每种方法各有其优缺点，例如：全屏点亮法通过给屏幕各行列施加亮信号进行检测，效率高但不能确定缺陷的精确位置及类型。电子束扫描像素电极法需要电子束聚焦扫描系统、真空系统、精密机械传动系统等，成本高且耗时长。目前主流的电学测量法是导纳电路检测法[11]，该方法快速有效，可在数分钟内确定缺陷的位置和类型。电气缺陷均可以看作液晶屏的电气参数超出了设计的标准，屈惠明提出用总导纳来表征电气参数。将液晶屏当作一个黑箱，给它一个输入信号，采集输出信号进行统计分析，据此来判断内部缺陷的位置与类型。

在液晶屏的扫描线上依次加上通/断态电压，并在信号线上加上相同的电压Vi，公共电极作为输出端，可检测得到输出电流I。在被测节点上，通、断态电压时的导纳YTON、YTOFF可以由下式求出：

其中，ION，IOFF分别是被检测像素在通、断态时，检测到的输出电流。以LCD屏的扫描电极数为X轴、信号电极数为Y轴、输出电流为Z轴，可以得到输出电流随像素变化的三维立体图。理想状态下，无缺陷液晶屏检测到的输出电流不随检测像素的不同而变化。实际情况中，允许输出电流有一定程度的偏离，偏离的大小反映屏幕质量的优劣。若某一位置的输出电流超出规定波动范围，则存在缺陷。输出电流ION和IOFF会随着缺陷的类型和位置而变化，在计算机中建立与各种缺陷有关的通断电流ION和IOFF的数据库。检测时，将测量数据与标准数据库中的样本进行比较，可以进一步得出缺陷的类型和位置。

2.3 光学测量法

光学测量法属于非接触式测量，利用图像采集设备获取屏幕显示信息，并对其进行量化分析，从而确定缺陷的位置与种类。随着机器视觉的发展，光学测量法的研究日新月异，目前被国际标准采用并广泛推广的方法主要有空间相关法[12]、Muralook 检测算法[10,13]、最小可识别度(JND)理论[4,8-9]等。

2.3.1 空间相关法

早在1996年，浅野敏郎等人提出空间相关法[12]，该方法适用于点缺陷和线缺陷的检测。其原理如图3 所示，依据该算法，首先利用视频信号发生器输出规定的信号图案至待测液晶显示器，使用图像采集设备（例如CCD相机等）拍摄显示图案。假设原始图像信号为C，往左位移一个像素图像信号记为L，往右位移一个像素图像信号记为R。如果存在像素缺陷，则图像中只有缺陷像素线作为检测信号被检出；如果不存在像素缺陷，则无输出信号。例如图6中只有第二条缺陷像素线被检出。将图像信号L、C、R依据下式进行相关运算：

其中Φ表示相关信息。

图3 空间相关法原理示意图

空间相关法利用相邻像素的空间相关性进行像素缺陷检测，该方法可消除噪声、背光源、液晶屏固有缺陷以及随机因素的影响，但其局限于点、线缺陷的检测。

2.3.2 Muralook 检测算法

在大量工业应用经验的基础上，William K.Pratt等人于2000年首次提出了Muralook检测算法[13]。该算法按照缺陷对比度的高低将检测过程分为15个阶段，分别完成包括线缺陷、区块缺陷和mura在内的总共23种缺陷进行检测。该方法被VESA发布的Flat Panel Display Measurements Standard 2.0所采用[10]。Muralook检测算法流程如下：通过光学测量设备获取被测液晶屏显示的图像，选取源图像的合适区域进行初始化，得到背景图像。计算显示图像与背景图像的对比度，初步筛选出可疑缺陷区域，按照对比度从高到低的顺序依次对图像进行分割、检测。若可疑缺陷区域相对于背景图像的对比度超出了规定的阈值，则可将其判定为真实缺陷。

2.3.3 最小可识别度(JND)理论

Mori等人提出了一种基于“最小可识别度”(Just Noticeable Difference, JND)理论的Mura缺陷检测方法[4]，该方法综合考虑了人的视觉心理，因此被广泛的接受与应用。最小可识别度即最小可觉察的差异，用于表示可觉察和不可觉察的概率各为50%的一个统计值。Mura缺陷最小可觉察的对比度差异和缺陷的面积大小有关，为了得到确切的函数关系，设计实验由专业的Mura缺陷检测人员在特定的条件下，采用人工视觉对不同缺陷进行判定，然后利用回归分析的方法拟合出最小可察觉对比度差异Cjnd和缺陷面积Sjnd间的关系：

结果表明：Mura缺陷最小可觉察的对比度差异Cjnd与缺陷面积Sjnd的0.33次幂成反比。当Mura缺陷的面积越小，需要更大的对比度差异才能为人眼所察觉。基于该理论，国际半导体设备与材料组织SEMI颁布了一系列标准[8-9]，提出Semu检测指标，将其进一步量化分级。Semu指标计算公式如下：

其中，Cx为被测Mura的平均对比度。若可疑区域的Semu指标高于1，即可将其判定为Mura缺陷。Semu指标的建立为Mura缺陷识别提供了量化统一的科学依据，得到了广泛的认可。

3 结语

Mura缺陷是液晶面板生产过程中最常见的缺陷，严重制约成品率的提高。缺陷检测与修补已成为平板显示器生产、研发的重要课题，是提高显示质量、降低成本的重要手段。Mura缺陷的成因复杂，包括彩色滤光片膜厚不均、薄膜晶体管异常、液晶材料分布不均匀、液晶盒高低不平、偏光片偏贴、沾附异物、驱动电路异常等等。Mura缺陷检测方法依据评价方式的不同可分为人工视觉识别法、电学测量法、光学测量法。人工视觉识别法简单方便，但效果差强人意，易受人的主观因素影响。电学测量法对电气缺陷引起的Mura缺陷具有良好的检测效果，但适用范围有限。基于机器视觉的光学测量法适用范围广，可快速量化评价大部分特征缺陷，但在图像预处理、亮度不均匀背景抑制、图像分割等方面有待进一步研究。我国已成为全球第二大液晶面板生产国，Mura缺陷评价方法的日益成熟，必将促进液晶产业的良好发展。

[1] 张昱. 基于机器视觉的TFT-LCD屏Mura缺陷检测技术研究[D].哈尔滨：哈尔滨工业大学，2006.

[2] 卢小鹏. TFT-LCDMura缺陷机器视觉检测方法研究[D]. 成都：电子科技大学，2011.

[3] 李茂. 基于机器视觉的TFT-LCD屏Mura缺陷检测方法研究[D]. 成都：电子科技大学，2013.

[4] Y. Mori, K. Tanahashi. Quantitative evaluation of visual performance of liquid crystal displays[C]. International Society for Optics and Photonics, San Diego, USA, 2000, 242-249.

[5] H. Jeff. Electro-optics technology tests flat-panel displays[J]. Laser Focus World, 2000, 36: 271-276.

[6] IEC 61747-1-2003 Liquid crystal and solid-state display devices - Part 1 Generic specification [S]. Geneva: IEC, 2003.

[7] SJ/T 11459.2.2.4-2013 液晶显示器件 第2-2-4部分：手机用彩色矩阵液晶显示模块详细规范[S]. 北京：中国电子技术标准化研究所，2013.

[8] SEMI D31-1102 Definition of Measurement Index (Semu) for Luminance Mura in FPD Image Quality Inspection[S]. San Jose: SEMI, 2002.

[9] SEMI D41-0305 Measurement Method of SEMI Mura in FPD Image Quality Inspection[S]. San Jose: SEMI, 2005. [10] VESA-FPDM 2.0 Flat Panel Display Measurements Standard[S]. San Jose: VESA, 2000.

[11] 屈惠明. TFT-LCD屏缺陷检测的研究[J]. 光电子技术，1997，17(2):102-109.

[12] 浅野敏郎，吉田敦志，望月淳. 彩色液晶显示器像质评价技术[J]. 画像应用技术，1996，10:24-29.

[13] W. K. Pratt, S. S. Sawkar. Automatic blemish detection in liquid crystal plat panel displays[C]. Machine Vision Application in Industrial Inspection, San Jose, USA, 1998, 2-13.

Mura defect and Measurement Method of Liquid Crystal Display

Zhang Peng, Ma Tingting, Yang Yehua, Wang Xiaoxiao, Huang Feng, Tan San
(Guangzhou Institute of Measurement and Testing Technology, National Quality Supervison and Inspection Centre for Photoelectronic Imaging and Display Products, Guangzhou Guangdong, 510030)

Mura defect is a common phenomenon in liquid crystal display (LCD), which directly affects the quality of the display image. In this paper, Mura defect of liquid crystal display (LCD) is reviewed in detail. First, the types and main sources of Mura defects are summarized, and then three kinds of measurement methods of Mura defects are introduced, which are artificial visual recognition, electrical measurement and optical measurement Artificial visual recognition method using filter observation samples, low cost, but can’t achieve the objective evaluation of product grades; electrical measurement method is used in the Mura caused by electrical defects; optical measurement method based on machine vision is a hotspot of current research, Mura defects for various reasons have good detection effect. The characteristics of various measurement methods are analyzed in detail, and the conclusion is summarized.

LCD; Mura defect; artificial visual recognition method; machine vision

张 鹏（1983-），男，博士，主要从事计量检测技术研究。

马婷婷 （1990-），女，本科，主要研究方向光学计量检测。

杨叶花（1988-），女，硕士，主要研究方向自动化检测技术。

王潇潇（1980-），女，博士，主研光学计量。

黄 锋（1968-），男，高级工程师，主研自动化检测。

谭 山（1960-），男，高级工程师，主研电路与系统。

国家质检总局科技计划项目（2015QK160）、广东省科技计划项目（2015A030401058）。