作为新一代的柔性显示技术,AMOLED显示屏具有功耗低、对比度高、色彩艳丽、柔性可折叠等多项技术优势,但是由于成本原因,目前AMOLED显示屏还不能完全替代液晶显示屏。TFT段的工艺良率太低是导致AMOLED显示屏成本居高不下的主要原因,所以研究基于机器视觉的TFT缺陷检测技术对于提高AMOLED显示屏良率有重要意义。由于显示屏高分辨率的需求,目前AMOLED屏体的TFT版图线宽都在微米级,微米级的缺陷都可能导致产品报废,所以检测精度必须要达到微米级,并且由于工业生产的需求,算法必须满足实时性、鲁棒性的要求,而目前的图像预处理和缺陷检测算法等基本都无法在微米级缺陷检测方面达到上述要求,因此为了实现微米级的TFT缺陷检测,就必须对TFT图像的预处理和缺陷检测算法进行更进一步的研究。针对这一问题,本文搭建了 TFT图像采集平台,进行了基于机器视觉的TFT缺陷检测关键技术研究,主要从图像采集平台搭建、图像预处理和缺陷检测三个方面来进行研究。主要研究内容如下:(一)针对TFT缺陷检测微米级检测精度要求,结合TFT基板膜层多、反光率高的特点,通过对相机、镜头、光源、驱动装置、软件的研究设计,搭建了高精度、高鲁棒性的TFT缺陷图像采集系统,研究结果表明搭建的系统可以完全满足TFT图像各膜层微米级缺陷图像采集要求。(二)针对目前的图像预处理算法在实时性、鲁棒性和处理质量上无法满足AMOLED显示屏TFT图像预处理要求的问题,提出一种优化的多图像平均滤波算法和一种基于局部模板匹配的匹配算法作为TFT图像的预处理算法。实验证明,本文引入的图像预处理算法满足了 TFT图像预处理对实时性、鲁棒性和处理质量的要求。(三)针对目前的缺陷检测和分类算法在准确性、及时性上无法满足AMOLED显示屏TFT图像微米级缺陷检测和分类问题,提出了一种经过优化的差影法缺陷检测方法和基于BP神经网络的缺陷分类算法,实验证明,本文提出的优化后的差影法缺陷检测算法和基于BP神经网络的缺陷分类算法满足了 TFT图像缺陷检测和分类对准确性、及时性的要求。研究结果表明,本文进行的基于机器视觉的缺陷检测关键技术研究,在缺陷图像采集系统搭建、图像预处理和缺陷检出和分类方面都取得了很好的效果,可以很好的完成AMOLED屏体在TFT段的微米级缺陷检测,完全满足生产的需要。