液晶面板缺陷自动检测：从人工到深度学习的完整教程
随着5G、物联网等新一代信息通信技术的快速发展，智能手机、平板电脑、智能家居等智能终端设备的需求持续攀升，促使液晶面板（LCD）生产规模大幅扩张。然而，在制造过程中，面板难免出现各类缺陷，传统人工检测方式效率低下、漏检率居高不下。本文作为一篇完整教程，将系统介绍液晶面板缺陷的成因、检测难点以及基于深度学习的机器视觉检测方案，帮助读者全面掌握该技术的落地实践。
01 液晶面板缺陷由来
薄膜晶体管液晶显示器（TFT-LCD）凭借高分辨率、低功耗等突出优势，在显示领域得到广泛应用。然而，其制造过程极为复杂，涵盖镀膜、刻蚀、显影、面板组合、灌晶封口、驱动芯片安装等多道工序，各环节均可能引入缺陷，导致产品不良率偏高。常见的液晶面板缺陷类型主要包括：
- 点缺陷：如亮点、暗点、黑点等单个像素级异常。
- 线缺陷：表现为亮线、暗线、断线等连续线条状故障。
- Mura缺陷：源自日语“斑点、脏污”，又称“云斑”，是液晶显示缺陷中检测难度最大的类型之一。
传统Mura缺陷检测完全依赖人眼裸眼辨别，不仅效率低下，还容易因视觉疲劳导致漏检，准确率难以保证。相比之下，基于机器视觉的自动检测系统能够覆盖液晶面板的全部工艺流程——Array（阵列）、CF（彩膜）、CELL（成盒）、Module（模组），并精准识别区分crack（裂纹）、broken（破损）、chip（崩边）、scratch（划痕）、burr（毛刺）、drop（水滴）等多种缺陷。
