CN100480693C - 采用红外热成像法进行缺陷检测和分析 - Google Patents

Abstract

描述了用于提供改善的使用红外热成像法的缺陷检测和分析的方法和系统(310)。来自信号发生器(330)的测试向量对一被测器件(305)特征加热，以便产生对识别缺陷有用的热特性。所述测试矢量被持续一段时间，以增强缺陷之间以及围绕特征的热对比，使得红外(IR)成像设备(315)能够获取改善的热图像。在某些实施例中，交流和直流测试矢量的组合将功率传输最大化以加快加热，并从而加快测试。对所述改善的图像应用的数学变换进一步增强了缺陷检测和分析。某些缺陷产生图像膺象，或称“缺陷膺象”，这模糊了缺陷，使得缺陷定位的工作变得困难。某些实施例采用缺陷定位算法，其分析缺陷膺象以精确地定位相应的缺陷。

Description

采用红外热成像法进行缺陷检测和分析

背景技术

可以使用热红外(IR)成像对诸如印刷电路板(PCB)、集成电路和平面显示器(FPD)之类的电气电路检测缺陷。一般来讲，对被测部件(DUT)施加功率以便对各器件特征加热。然后红外检测器捕获受热被测器件的测试图像。然后，作为与图像对象空间地关联的像素亮度值的集合的结果图像与参考图像数据的类似集合相比较。通常作为＂合成图像＂存储的测试和参考数据之间的差异指示缺陷的存在。

缺陷识别算法分析合成图像，以便自动地识别缺陷，并因此改进器件制造中的产量和质量。这样的检查系统的范例包括、但是不局限于，对FPD、PCB、基于MEMS的器件、半导体器件和生物医学样本的检查。这样的系统的一个目的是在器件制造期间在某些临界点检测器件上可能出现的缺陷。一旦被识别出，随后能够由修复系统修复这些缺陷，或者能够作出拒绝该器件的选择，使得在两种情况下都节省制造成本。其他应用包括在研究样本例如在生物学中检查和识别类似膺象的特征。

热红外成像的一个特别重要的用途是测试液晶显示(LCD)面板的有源层、或称“有源板”。缺陷分析可被用于改进工艺和增加制造成品率。同样重要的是，假如缺陷的数目和范围不是过于大，有缺陷的面板可以被修复，这同样增加制造成品率。

图1(现有技术)描述了供LCD面板使用的部分有源板100。有源板100包括经由源连接线集合115连接到像素阵列110中的每一像素的第一短路棒105，和经由栅连接线集合(控制线)125连接到每一像素110的第二短路棒120。

依据Bosacchi，有源板100是通过使用施加于短路棒105和120的电压评估有源板100的红外发射来测试的。通过使用如此施加的功率，部分面板100作为电阻电路工作，并因此耗散热量。然后评估面板100的受热反应特性，优选的是在面板100到达一个稳定的工作温度(热平衡)之后进行。

在没有缺陷的情况下，像素阵列应均匀地变热。因此，被识别为异常的IR强度值的不均匀热特性指示存在缺陷。能够通过将特定图像帧的像素亮度值平均化，或者借助于对应于理想的或者没有缺陷的参考面板的参考帧，来获得参考强度值。

图2(现有技术)详述了常规像素110的一部分，并且在此被用于图示出多个可能的缺陷。所描述的像素110的特征与液晶显示器的有源板相关联，并且包括薄膜晶体管200，该薄膜晶体管200具有连接到源连接线115之一的第一电流处理终端，连接到栅连接线125之一的控制终端，以及连接到电容器210的第二电流处理终端。电容器210的第二电极连接到共接线212。像素110还包括具有液晶电介质的第二电容器211。

作为说明例证性的而非穷举的缺陷包括短路和断路两者。短路在以下线路之间：源连接线115和栅连接线125之间(短路215)或者共接线212(短路216)之间；晶体管200的两个电流处理终端之间(短路220)；晶体管200的栅极和第二电流处理终端之间(短路225)；和电容器210的两个终端之间(短路226)。断路分裂源极、栅极和共接线(断路227、228和和229)，并且位于以下线路之间：源连接线115和晶体管200之间(断路230)，栅连接线125和晶体管200的控制终端之间(断路232)，电容器210和共接线212之间(断路235)，以及晶体管200和电容器210之间(断路233)。

图2中的每一缺陷、加上许多其它缺陷不利地影响像素110的工作。令人遗憾的是，这些缺陷中有许多难以使用常规测试方法发现。因此需要用于识别和定位缺陷的改进的方法和系统。

某些检查系统包括以向成像系统高亮度显示缺陷的方式激励受测对象的激励源。激励类型取决于成像系统，其可以基于可见光、红外线、组合光谱、磁场等等获取图像。无论采用什么成像系统，受测对象的测试图像均与某些参考图像进行比较，以获得合成图像：测试和参考图像之间的显著差异在合成图像中显露出来，并且标识可能的缺陷。

某些激励的形式产生缺陷膺象，其是由缺陷引起的、但不是与缺陷区域物理关联的测试和参考图像之间的差异。两条线路之间的短路增加流经这些线路的电流，并因此随着该短路而升高这些线路的温度。因此尽管这些线路本身不是有缺陷的，但是却与短路一起在合成图像中出现。因此，表示短路的缺陷数据被插入了缺陷膺象数据(即，“缺陷膺象”)。缺陷膺象往往模糊了相关联的缺陷，使得它们难以被精确定位。操作员能够通过在显微镜仔细的研究下，在缺陷膺象中定位缺陷，但是人员是比较缓慢的并且很快会疲劳。因此，需要从缺陷相关的膺象中自动辨别缺陷的手段。

附图说明

图1为现有技术描述了供LCD面板使用的部分有源板100。

图2为现有技术详述了示例性的像素110，并且在此被用于图示出多个可能的缺陷。

图3描述了测试结构300，其包括常规面板305和根据本发明的实施例而采用的检查系统。

图4描述了根据一个提供增强的可测试性的实施例而采用的面板400的一部分。

图5描述了根据一个实施例而采用的LCD面板500的一部分。

图6A是图示出上述样品缺陷和周围区域的热反应的图表600。

图6B描述了图示出样品缺陷610在提出的激励下的热反应的图表630。

图6C描述了一种高亮度显示出指示断路的线路685的实验获得图像680。

图7描述了示出三种代表性的缺陷的合成图像700，点型缺陷705，线型缺陷707和角型缺陷710。

图8是显示出点型缺陷805、线型缺陷810和角型缺陷815的合成图像800。

图9是描述了根据一个实施例的缺陷定位算法900的流程图900。

图10描述了图9的MFA 910的实施例。

图11描述了适合于供线型缺陷膺象使用的图9的特定类型MFA935的实施例。

图12描述了图9的缺陷定位算法(DLA)945的实施例。

图13描述了根据一个实施例的LDF阵列结构1205。

图14描述了类似于人们可以预期根据图9的步骤907获得的例证性的滤波合成图像1400。

图15A-15D描述了类似图9的图像940[1..i]的二元的、特定类型的图像1505、1510和1515。

图16描述了树1600，其是图15B-D的关键字1525、1530、和1535中的信息的汇编。

图17是示出四个缺陷膺象1705、1710、1715和1720之间的关系的例证性的峰值分布图1700。

具体实施方式

图3描述了测试结构300，其包括常规面板305和根据本发明的实施例而采用的检查系统310。面板305与图1和2中的面板100相似，类似编号的元件是相同的或者类似的元件。面板305包括在图1中没有描述的的短路棒312，然而它是常规的。检查系统310包括在面板305上方被定向的红外线检测器315(例如，红外线摄像机)，用于经由帧接收器325向计算机320提供图像数据。激励源、信号发生器330向面板310提供电气测试信号，或称“测试向量”。测试向量对面板305的特征加热，以便产生对识别缺陷有用的热特性。

计算机325控制信号发生器330，以便将测试矢量施加到面板305。测试矢量增强了缺陷之间以及特征周围的热对比，并从而允许红外线检测器315获取改善的用于缺陷检测和分析的热图像。计算机320另外还命令红外线检测器315何时获取图像数据，接收和处理从帧接收器325捕获的测试图像数据，并提供用户界面(未示出)。

红外线检测器315应具有出色的温度灵敏度。在一个实施例中，检测器315是采用256 x 320元素InSb(锑化铟)检测器的红外线焦点平面排列热图像摄像机。该摄像机最低温度灵敏度小于0.020摄氏度。某些实施例包括多个红外线检测器，例如用于缺陷检测的相对低倍放大红外线摄像机和用于缺陷检测和分析的较高倍放大红外线摄像机另外的摄像机也可以被用于增加检查区域，并从而增加检查带宽。

信号发生器330向短路棒105提供源极测试矢量V_TS，向短路棒120提供栅极测试矢量V_TG，并且向短路棒312提供公用测试矢量V_TC。回过来参看图2，对某些类型的缺陷(例如，断路230，233和235)进行测试要求晶体管200被导通，以便在相应的源极和共接线115和212之间创建信号路径。从而，信号发生器330将直流测试矢量V_TG施加到栅连接线125(经由短路棒120)，从而将晶体管200导通，同时施加源极和公用测试矢量V_TS和V_TC。

即使晶体管200是被正向偏置的，无缺陷像素110将不会通过直流电流，不存在短路226，因为电容器210阻塞了直流电流。因此，选择源极和公用测试矢量V_TS和V_TC来产生通过电容器210的交流信号。交流信号的频率与由面板305提供的负载阻抗相匹配，以便将面板305的功率传输最大化，这加快了加热，并从而加快了测试。将功率传输最大化还允许以低外加电压进行测试，这很少会损害敏感的部件。同样重要的是，并且将在下文中详述的是，较快速的加热与特定的图像捕获时间的组合提供了改善的热对比。在一个实施例中，源极测试矢量V_TS在大约70KHz从零到30伏特摆动，而公用测试矢量V_TC是地电位。

某些实施例在源连接线115和共接线212、源连接线115和栅连接线125之间、以及在栅连接线125和共接线212之间施加或者AC或者DC测试矢量。还有其他实施例采用交流信号导通晶体管200。如上所述，同时施加AC和DC测试矢量比通过仅仅施加一个类型的波形(例如，仅仅施加DC、AC或者脉冲DC测试矢量)来获得，对综合测试更有帮助。

图4描述了根据一个提供增强的可测试性的实施例所采用的面板400的一部分。面板400通常包括像素阵列405，每一像素阵列405连接到源连接线410、栅连接线415、和共接线420。四组短路棒(源极棒425，栅极棒435，和共接棒430)允许诸如图3中的检查系统测试像素405的子集。替换地，四组一种类型的棒(例如，四个源极棒或者四个栅极棒)可被用于激励被选择的列或者行。激励某些特征而留下相邻的特征不被激励能够改善图像对比度。在其他实施例中，在组中仅仅提供一个或者两个类型的短路棒。例如，可能仅仅有一个栅极棒435和一个共接棒430，在这种情况下，像素405能够在四个列组中被激励。此外，一组或多组短路棒能够包括比四个更多或者更少的短路棒。

图5描述了根据另一实施例而采用的LCD面板500的一部分。面板500通常包括像素阵列505，每一像素阵列505连接到源连接线510、栅连接线515、和共接线520。源极棒525、栅极棒530和共接棒535被分裂开，以便允许检查系统一次一个地对区域(例如，区域540)进行功率测试。替换地，几乎很少类型的棒需要被分裂。例如，如果分裂了源极和栅极棒，则共接棒无需被分裂为功率区域540。区域540可以是与被用于捕获图像的红外线检测器的视场同延的。特定区域中的像素505的数目一般来讲远远大于在本简单的范例中所描述的。

图6A是图示出一种例证性的样品缺陷和周围区域的热反应的图表600。样品缺陷假定为具有大约两万五千欧姆的电阻R的短路，一定数量V的大约10^-12m³的组合缺陷和关联的电极，大约10^-5m²的暴露表面区域A。电极的比热Cp假定为大约2.44×10⁶J/m³K，并且外界空气

的对流热传导系数大约为10W/m2K。对于大约6毫瓦的外加功率，缺陷位置处的平衡温度大约为在初始温度之上6.5摄氏度。以下热传导模型举例说明样品缺陷响应于外加功率的热反应：

${\mathrm{VC}}_P\frac{\mathrm{dT}\left(t\right)}{\mathrm{dt}}=P_{\mathrm{apphed}}\left(t\right)-h_{\mathrm{air}}A(T\left(t\right)-T_{\mathrm{air}})---\left(1\right)$

其中：

1、V是组合缺陷和关联电极的容量；

2、Cp是缺陷和关联电极的平均比热；

3、T(t)是缺陷随着时间的过去，在很短的时间内，以开尔文(绝对温标)为单位的温度；

4、P_apphed(t)在很短的时间内，随着时间的过去的外加功率激励；

5、

是外界空气的对流传热系数；

6、A是组合缺陷和关联电极的暴露表面区域；以及

7、T_air是外界空气的温度或者初始温度(例如，大约300K)。

等式(1)实质上意味着，施加于缺陷区域的功率在特定瞬间等于由缺陷区域所吸收的功率以及耗散到周围环境里的功率的总和。最初，当缺陷区域和周围环境之间的温度差是最小量的时候，第一加数支配该等式。第二加数随着缺陷区域温度升高，渐渐产生影响。

图表605图示出作为方框集合的样品缺陷区域610和周围区域615，每一方框表示由图像像素记录的图像亮度。为便于例证说明，图表605将缺陷区域610图示为单一像素。图表600假定在源极和栅连接线之间将大约6毫瓦施加一段足以使缺陷区域610——源极和栅连接线之间的短路——从大约300K的初始热平衡温度T₁升高到大约306.5K的最终平衡温度TE_F的时间。在该规定情况下，对于通常的有源板来讲，遍历这一温度窗口大约花费0.1-0.2秒。

第一响应曲线620图示出缺陷区域610的热反应。图表600的纵轴将温度表示为响应曲线620的初始温度T₁和最终平衡温度TE_F之间的温度跨距的百分比。横轴表示以热时间常数为单位的时间。热时间常数是缺陷区域610的温度从特定温度到最终的平衡温度TE_F上升63.2％所需的时间。从实用来看，缺陷温度是在四个或者五个时间常数之后的最终平衡温度TE_F。

围绕缺陷区域610的区域615的热反应不同于缺陷区域610的热反应。如果该缺陷是短路，则来自区域610的热量扩散到区域615，导致区域615的温度随着缺陷610一起上升。然而，区域615的上升温度落后于缺陷610的上升温度，并且上升到比缺陷610较低的最终热平衡温度。根据某些实施例施加的测试矢量提供区域610和615之间的增加的温度差，以便允许红外成像系统更容易地解析缺陷特征。然后红外线检查系统使用唯一的图像捕获时间，以便在缺陷区域610到达最终的平衡温度TE_F之前很久捕获测试图像数据。(如果缺陷区域610是断路，则区域610的温度落后于周围区域615，然而最终到达最终平衡温度。)

图6B包括图示出增强缺陷和周围区域之间的热对比的测试矢量和图像捕获时间的图表630。图表630包括表示响应于测试矢量、重复加热和冷却缺陷区域610的热反应曲线640。图6B另外还包括一对与图表630共享共同时间定标的波形IMAGE(图像)和EXCITE(激励)。波形IMAGE(图像)的高处部分表示区域610和615的红外成像被捕获的时间的窗口。一个或多个参考图像在每一参考窗口645期间被捕获，而一个或多个测试图像在每一测试窗口650期间被捕获。波形EXCITE(激励)的高处部分655表示测试矢量被施加于缺陷610、以便引入缺陷610和周围区域615之间的热对比的时间。

为了捕获测试图像，在时间655期间，检查系统(例如，图3中的检查系统310)将测试矢量施加到被测器件。然后，检查系统在所关心的特征到达最终热平衡温度TE_F之前很久捕获缺陷区域的一个或多个红外成像。

可取的是，将最大温度保持在初始温度T₁和最终平衡温度TE_F之间差值的95％之下。在某些情况下，最大温度甚至可以危及DUT功能性。因此，温度的最佳上限随DUT、测试程序等等而不同，但是多数情况下优选的是小于86.5％。我们的实验数据建议，当最大温度不超过初始温度T₁和最终平衡温度TE_F之间差值的大约63.5％的时候(即，在经过一个时间常数之前)获得极好的结果。加热/成像步骤被重复许多次，并且结果被平均、或者被组合，以便减少噪声效应。响应曲线640的最大和最小峰值应被充分地间隔，以供被选择的检测器解析温度差。

缺陷610能够被加热到更高温度，例如，被加热超过三个或者四个时间常数；在此情况下，仍能够在缺陷610到达最终平衡温度TEF之前很久获得图像。因为加热花费时间，所以选择相对低的最大温度加快测试。此外，被选择将图像对比度最大化的测试电压如果被施加太长时间的话，可能引起区域610和615的温度足够高到损害敏感的部件。在此情况下，测试矢量被施加足够久到实现期望的热对比级，而不会将区域610和615的温度升高到超过某一最高温度。

所施加的测试矢量部分地是随着DUT而不同。在一个适用于测试具有SXGA分辩率的液晶显示器(LCD)的有源面板的实施例中，EXITE波形的低处部分表示当没有施加测试矢量的时候的大约20ms的周期，而高处部分655表示AC源和公用测试矢量在大约70KHz从零到30伏特摆动的大约80ms的周期。

常规红外成像系统使用数字阵列表示图像，每一数字表示一个像素亮度值。而每一像素亮度值表示DUT的一个对应区域的图像亮度。例如，在图3的检查系统310中，帧接收器325为每一捕获图像将一个像素亮度值阵列交付给计算机320。

某些常规检查系统对图像序列求平均值，以便减少噪声效应。然后将平均化的测试图像与参考图像对比，以识别差异，这指示出缺陷的存在。上述方法和系统可被用于产生增强的测试和参考图像。

一个实施例采用图像变换而不是常规平均化。在以下的等式2中定义的图像变换，被应用于测试图像序列和参考图像序列两者。然后，结果的变换测试和参考图像I＝I_T和I＝I_R被对比，以识别差值。

$I=D\left(L\left(F\left(\frac{\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{D}^{-1}\left(I^i\right)}{n}\right)\right)\right)---\left(2\right)$

其中：

1、D^-1表示从由帧接收器325提供的、每一个数字表示一个像素的亮度的十六位数字到它们的浮点求逆(下文中，是对于D的准求逆)的图像变换(舍弃)；

2、Iⁱ是该序列的第i个图像；

3、n是序列中的图像的数目；

4、F表示图像滤波，例如低通滤波，以便减少噪声和除去由红外线检测器315中的有缺陷的像素形成的数据；

5、L是将查找表应用到图像，以便将亮度值范围翻译到不同的定标，例如不同的范围，或者从线性到二次项；以及

6、D是从浮点值到十六位数字的图像变换(舍弃)。

当在图像序列(测试或者参考)上执行等式2的图像变换时，图像序列中的每一个的每一像素亮度值被转换为浮点数。然后，结果图像阵列被以每像素为基础进行平均化，以便将该图像组合为单一图像阵列。接下来，结果图像阵列被滤波，以便减少噪声效应并且除去与成像器件中的有缺陷的像素相关联的数据。由极端亮度值标识出的、与有缺陷的像素相关联的每一数据均被替换为根据表示邻近区域的数据内插的新的亮度值。

该被组合的、被滤波的图像阵列的亮度值被应用于一个查找表，该查找表将亮度值范围翻译到不同的定标，例如不同的范围，或者从线性到二次项。最终，结果的翻译后的图像阵列中的值被从浮点数转换回为数字数以产生变换图像I。

等式2的图像变换被应用于一系列测试图像和一系列参考图像，以产生相应的组合的测试和参考图像I_T和I_R。然后，该测试和参考图像I_T和I_R被使用公知的图像处理技术进行对比，以产生合成图像。合成图像高亮度显示测试和参考图像之间的温度差；非预期的热或者冷的区域指示出缺陷。

一般来讲，短路产生比较高的电流，并且从而逐渐变成相对较热。开路减少电流，保持相对较冷的状态，并且因此更难以使用热红外成像进行成像。由上述实施例提供的改善的热对比允许敏感的红外线检测器捕获到对先前难以或者不可能以常规热红外成像形式观看的多种类型缺陷进行高亮度显示的图像。这样的缺陷包括图2中所描述类型的断路电路。等式2的图像变换进一步增强该结果。

图6C描述了一种实验获得的图像680，该图像680图示出上述实施例如何产生足够的热对比来高亮度显示断路。线685表示由断路的存在引起的相对冷的缺陷膺象。

缺陷定位算法

两条线路之间的短路增加流经这些线路的电流，并因此升高这些线路的温度。因此尽管这些线路本身不是有缺陷的，但是可能在合成图像中出现。高亮度显示这些线路的合成图像部分被称作短路的“缺陷膺象”。断路堵塞电流，并且从而减少了相关联的特征的温度。然后，这些特征在合成图像中作为断路的“缺陷膺象”出现。(图6C描述了与断路相关联的线型缺陷膺象)。因此，测试图像包括与缺陷区域空间地关联的缺陷数据、和与图像对象的没有缺陷的区域空间地关联的缺陷膺象数据。令人遗憾的是，缺陷膺象数据在图像分析期间可能模糊缺陷数据，使得难以精确定位缺陷。根据某些实施例的图像处理算法分析缺陷数据和缺陷膺象数据以解决这一问题。(在图像的上下文中，为了简便起见，缺陷数据的相关集合可以被称为“缺陷”；同样地，缺陷膺象数据可以被称为“缺陷膺象”。术语“缺陷”或是“缺陷膺象”是关于图像对象的物理特性还是关于表示物理特性的图像数据将根据上下文而变得清楚。)

图7描述了示出三种代表性的缺陷的合成图像700，点型缺陷705，线型缺陷707和角型缺陷710。这些缺陷被假定为具有类似的大小，然而这些缺陷图像由于它们各自的缺陷膺象715、720和725而不同。令人遗憾的是，实际的合成红外图像没有如此清楚地将缺陷与缺陷膺象区分开来，使得精确定位缺陷的任务变得很困难。图8，尽管不是基于测量数据，但却更精确地描述了一个合成图像800，该合成图像800图示出点型缺陷805、线型缺陷810和角型缺陷815可能怎样出现在合成图像中。缺陷膺象模糊了缺陷位置。一个实施例解决了这一问题，将缺陷与缺陷膺象区分开来，以便帮助缺陷检测、定位和分析。

将缺陷与关联的膺象相区分的图像处理部分地基于对缺陷膺象数据进行分类。例如，对于点型、线型和角型缺陷来讲，处理不同。因此，本发明的实施例包括将缺陷膺象按类型排序的图像处理技术。按类型对膺象进行分类的图像处理技术包括模式识别和形态分析。由AlBovik所编的“Handbook of Image and Video Processing”(2000)和由E.Dougherty和J.Astola所编的“Nonlinear Filters for Image Processing”(1999)描述了为本领域中技术人员所知的并且适用于某些实施例的图像处理和数学形态学：这些文本在此均被引入以供参考。

图9是描述了根据一个实施例的缺陷定位算法900的流程图。算法900接收可选择性地使用快速傅里叶变换(FFT)滤波后的合成图像905，在该合成图像905中，缺陷数据是被缺陷膺象数据包围的。后续处理自动地在缺陷膺象内定位缺陷数据，以便产生一个缺陷坐标列表。在一个实施例中，合成图像905是上述类型的I_R合成图像；然而，许多其他类型的图像描述了由所关心的对象的膺象所围绕的那些对象。根据本发明的算法可被用于定位这样的对象。例如，从视觉光学器件处获得的图像和/或原子能类型实验描述了对象和对象膺象。

上文引用的Bovik参考文献描述了灰度级和在将被用于某些实施例中的缺陷与它们的相关联的膺象相区分的二元形态学之间的联系。这一联系是基于对于图像I(x)，x∈D能够根据阈值组重建的观察结果。这样的重建可以被数学地表示如下：

Θ_1′(I)＝{x∈D:I(x)≥v}，-∞<v<∞   (3)

其中Θ_1′(I)是具有阈值电平v的灰度级合成图像I的阈值，而是该图像的动态范围：

I(x)＝sup_1′∈R{x∈Θ_1′(I)}   (4)

算法900采用类似类型的图像重建来定义和优化阈值电平，以便产生改善的缺陷定位。

为多个阈值电平915中的每一个，将形态学的滤波算法(MFA)910应用于滤波后的合成图像。通过在循环920A和920B内结合MFA910而被图示出的、为每一阈值电平重复MFA 910产生一组i个被阈限的合成图像925[1..i]。在每一图像925中，滤波后的合成图像中的所有大于或等于被施加的阈值电平的像素值均被使用一个逻辑电平(例如逻辑“1”)表示，并且所有小于阈值电平915的像素值均被使用第二逻辑电平(例如，逻辑“0”)表示。在一个实施例中，阈值电平915是以来自被滤波器907产生的滤波后的合成图像的像素亮度值的标准偏差为单位的。提供直方图分析，来计算平均数μ和标准偏差σ；阈值的实际电平等于μ+σ·T，其中T是以σ为单位的输入阈值电平。MFA910将在下文结合图10详述。

下一循环(930A和930B)处理每一图像925，直到第二MFA 935这一特定类型。例如，对于线型膺象来讲，MFA 935除去其他类型的缺陷膺象(例如，角和点型膺象)，仅仅留下线型。循环930产生一组i个图像，每一个具有j个线型膺象。在该例证说明中，第一个图像940[1]包括两个线型缺陷：图像925[1]的点和角型缺陷被除去。剩余的图像940[2..i]可能具有更多或者更少的膺象。MFA 935将在下文结合图11详述。

在最终的操作顺序中，缺陷定位算法DLA 945分析图像940中的缺陷膺象，以便精确地从缺陷膺象中识别出缺陷坐标950。专用于线型缺陷的DLA 945的一个版本将在下文中结合图12详述。

图10描述了图9的MFA 910的实施例，其被重复地应用于合成图像905以产生一个具有i个滤波后图像的序列925。首先，阈值电平915之一被应用于FFT被滤波后的合成图像905(步骤1000)。被应用于步骤1000的结果的形态学趋近的步骤1005(膨胀，继之以侵蚀)平滑了缺陷膺象，并且随后的滤波除去了由噪声或者有缺陷的检测器像素导致的少量的图像效果(步骤1010)。MFA 910因此产生了i个图像925[1..i]之一。为阈值电平915中的每一个重复MFA 910，如图9中所示。

图11描述了适合于供线型缺陷膺象使用的图9的特定类型MFA935的实施例。MFA 935从MFA 910接收滤波后的图像925，并且采用特定类型的滤波操作，除去除线型膺象以外的任何膺象。步骤1110提供了基于膺象在图像上的位置而不是它的几何特性的特定类型形态学操作。例如，位于不期望有该类型膺象的区域中的膺象可以被除去。然后使用多种常规孔洞填充技术中的任何一种填充残余膺象中的任何孔洞(步骤1115)。

接下来，步骤1120使用根据膺象类型和区域信息导出的约束条件1125的类型相关列表，对来自步骤1115的图像进行滤波。约束条件1125是可度量的膺象参数和范围的特定类型列表。例如，可以通过它们的圆形系数(“线条”不是圆形的)，方位(例如，线型膺象必须接近垂直或者水平的)，以及它们的边缘交叉点(例如，线型缺陷与角型缺陷不同，不关心两个相邻的图像边界)，在简单的情况中滤出线型膺象。结果的滤波后的二值图像940仅仅包含期望类型的膺象。在一个实施例中，图像940具有两个像素值：背景(0)和膺象(1)。膺象表现为触及像素的区域，所有这些触及像素都被置为1的；周围区域表现为被置为0的像素。MFA 935中的每一块的实施细节对于图像处理领域中的技术人员来讲都是公知的。为每一个阈值电平915重复MFA 935，如图9中所示。

在MFA 935中采用的该组形态学操作在该范例中是专用于线型缺陷的，但是这些操作能够依照要求修改，以适应例如点和角型缺陷。如果仅仅对点型膺象感兴趣，则可以采用MFA 935除去触及图像边缘的膺象、大于规定的最大区域的膺象等等，这往往对应于线、角、及其他型膺象。如果仅仅对角型膺象感兴趣，则可以采用MFA 935除去不表示规定最小面积的交叉垂直线等等的膺象。MFA 935能够被修改，以使用公知的图像处理技术选择这些及其他类型的膺象。

图12描述了图9的缺陷定位算法(DLA)945的实施例，其使用特定类型图像的阵列940生成受测对象上的缺陷的物理坐标的列表。DLA945专用于线型缺陷膺象，但是能够被用于其他类型缺陷，这对于本领域中的技术人员将是显然的。

在所述第一步骤中，线型缺陷滤波LDF算法1200产生i个LDF结构1205的阵列[1..i]，每一图像940对应一个。除了特定类型的图像940之外，LDF算法1200将原始的滤波后的合成图像(来自图9中的步骤907)、用于创建图像940的初始阈值电平的值、指示被用于获取获取连续的图像的阈值之间的差值的阈值步长值、以及阈值电平的数目i(阈值电平的数目i与图像940的数目相同，因为940是阈限后的图像)作为输入1208接收。

图13描述了根据一个实施例的LDF结构1205(图12)的链接列表阵列。在本范例中，四个阈值电平和关联的处理被用于产生四个LDF结构1205[1]至1205[4]，尽管阵列的实际数目能够是更多或者更少。这些阵列被用于线型缺陷膺象，但是能够被修改供其他类型使用。每一LDF结构1205[i]包括以下列出的特征。

1.存储被应用于合成图像的阈值电平以产生各自的二值图像940[i]的阈值字段1300。

2.存储被识别出的缺陷的数目n的数目字段1305，在图12中的范例是二。

3.存储各自的二值图像940[i]的图像字段1310。

4.缺陷结构1320[1-j]的阵列1315，其中j是各图像940[i]中的缺陷膺象的数目。每一缺陷结构1320存储在各线型缺陷膺象的顶端、或称“峰值”处的像素的X和Y坐标(缺陷被假定为接近线型缺陷膺象的顶端)。每一缺陷结构另外还包括像素值字段1325，其存储对应于合成图像905中的峰值像素的X和Y坐标的像素亮度值。

5、线结构1335[1-j]的阵列1330，每一个线结构与相应滤波后的图像940[i]中的缺陷膺象相关联。每一个线结构1335包括存储缺陷膺象的面积(以像素为单位)的面积字段1340；存储包含该缺陷膺象的矩形的左、上、右和下坐标的矩形字段1345；存储将线型膺象与在较低阈值电平获得的图像的特征关联起来的线索引的所属字段1350(没有这样的线存在时为-1)；以及存储将滤波后的图像中的线型缺陷与在较高阈值电平获得的另一滤波后的图像中的一个或多个相关行关联起来的线索引阵列的包含字段1355。所属字段1350和包含字段1355的目的将在下文中结合图14和15A-D进行详述。

返回到图12，LDF结构1205[1..i]被分析(步骤1210)，以便产生j个LDF斜率峰值分布图1215[1..j]，每一个图像940中的每一个特定类型缺陷膺象对应其中一个。

图14、15A-15D和16的以下讨论图示出峰值分布图1210的处理。图14描述了类似于人们可以预期根据图9的步骤907获得的例证性的滤波合成图像1400。图像1400包括一对垂直线型缺陷膺象A1和A2，以及一个点型膺象A3。缺陷膺象的边界被模糊以便描述缺陷和缺陷膺象数据之间的显著的图像边界。然而，被假定的是与线型缺陷膺象相关联的缺陷靠近膺象顶端、或称“峰值”，并且与点型缺陷相关联的缺陷位于相关膺象中的中心。

图15A-15D描述了类似图9的图像940[1..i]的二值的、特定类型的图像1505、1510和1515。每一图像表示对于每一MFA910，具有截然不同的施加阈值的合成图像1400；通过随后应用特定类型的MFA935从每一二值图像中除去点型膺象A3。每一图像与如上结合图13所述的其他图像和膺象专用信息一起被存储在LDF结构1205的字段1310中(图13)。

图像1500(图15A)包括一对线膺象LA1和LA2。相关的关键字1520将膺象LA1和LA2标识为对应于图14中的相应膺象A1和A2。随着阈值电平增加，线型膺象变得更小和更淡，并且可能消失或者被划分为几个断开的线条。例如，在图15A中被描述为单一线条的缺陷膺象LA2在图15B中表现为一对线膺象LB2和LB3。关键字1525将膺象LB1标识为属于图像1500的膺象LA1，并且将膺象LB2和LB3标识为属于图像1500的膺象LA2。这一膺象“所有权”被记录在与图像1505相关联的LDF阵列的“所属”字段1350里；类似地，与图像1500相关联的LDF阵列的“包含”字段1355记录下：膺象LA1“包含”膺象LB1并且膺象LA2包含膺象LB2和LB3。图15C和15D包括图示出各图像中的膺象之间的“所属”关系的缺陷膺象的不同的集合以及相应的关键字1530和1535。

图16描述了树1600，其是图15B-D的关键字1525、1530、和1535中的信息的汇编。树1600图示出缺陷膺象A1和A2与在使用依次更大的阈值电平获得的二值图像中的线型膺象之间的关系。例如，图像1515的膺象LD2属于图像1510的膺象LC3，图像1510的膺象LC3属于图像1505的膺象LB3，图像1505的膺象LB3属于图像1500的膺象LA2。同样地，图像1515的膺象LD1属于图像1510的膺象LC1，图像1510的膺象LC1属于图像1505的膺象LB1，图像1505的膺象LB1属于图像1500的膺象LA1。

返回来简要地参看图12，LDF斜率峰值分布形成步骤1210使用在图15A-15D中描述的数据产生j个峰值分布图1215[1..j]，每一个缺陷一个。图17是示出四个缺陷膺象1705、1710、1715和1720之间的关系的例证性的峰值分布图1700，所有这些缺陷膺象均涉及一个公用缺陷膺象。分布图1700表示阈值电平与在每一缺陷膺象中的沿y图像轴的峰值像素的位置之间的关系。沿着与一灰度级图像的线型缺陷膺象的二等分相并行的像素切分的像素亮度的绘图1725，图示出像素强度在遇到缺陷膺象时一般来讲是怎样增加的。膺象1705、1710、1715和1720表示在四个阈值电平处获得的绘图1725的限幅。粗体“+”符号指示对于不同的阈值电平的相应缺陷膺象的峰值(顶端)像素的y定位。

回过来参看图12，定位步骤1220从LDF阵列中抽取图17中所表示的类型的数据，以产生多个二维数组，其中每个二维数组具有第一维度DIMi(阈值电平的数目)和第二维度DIMj(在最低电平处的图像阈值中的膺象的数目，它是LDF结构1205[1]的阵列1320的大小)。这些数组如下(以下是以伪代码的形式给出形式上的定义：

1、y[j，i]是LDF结构1205[i]的缺陷结构1320[j]的y座标，它规定了与在电平i处被阈限的图像1310的第j个膺象相关的缺陷；

2、线[j，i]是包含阈值电平i处的缺陷j的线条的下标(伪代码说明怎样选择该下标；以及

3、dy[j，i]是来自LDF结构1205[i+1]与1205[i]的缺陷1320[j]的y值之间的差值。

对于每一膺象j，步骤1210执行以下初始化和循环：初始化：(for every j＝1，...，Dimj)：

           Line[j，1]＝j；

           y[j，1]＝LDF_Array[1].Defects[j].y

在阈值电平#_1(初始阈限)处，所有滤波后的线条均被假定包含缺陷，这样的线条[j，1]是线条的下标，并且y[j，1]是与该线条相关联的缺陷的假定的y位置。

迭代i：i＝1，...，DIMi-1(for every j)

/*i-threshold index；j-index of the line 1335 from LDF structure 1205[1]corresponding to the lowest threshold level.*/

  1.     k_opt＝argmin_k{

                 LDF_Array[i+1].

                 Defects[

                       LDF_Array[i].Lines[Line[j，i]].Contains[k]]

                ·y，

                }

  2.     Line[j，i+1]＝LDF_Array[i].Lines[Line[j，i]].

         Contains[k_opt]

  3.     y[j，i+1]＝LDF_Array[i+1].Defects[Line[j，i+1]].y

4. dy[j，i]＝y[j，i+1]-y[j，i]

在上文的步骤1和2中，对于所选定的阈值电平i的线条[j，i，]下一阈值电平(i+1)的线条属于线条[j，i]。在属于线条[j，i]的阈值电平(i+1)的线条之中，具有最低y值的线条被选为最可能包含缺陷的线条(每一图像的y轴是自上而下，所以最低y值表示最高的点)。在选择具有最低y值的线条Line[j，i]之后，从对应的线结构中获得与该线条相关联的缺陷的y值。在上述伪代码的步骤4处定义的值dy[j，i]在下文中被用于定义LDF斜率。

当如图16所描述的、线状缺陷已经通过膺象树呈现出并且已经制出LDF斜率峰值分布图的时候，与缺陷相关联的线条的末端(依据上文作出的假定是上端点)被定义为LDF斜率的最大值。每一阈值电平下标i的LDF斜率被定义如下：

$\mathrm{LDFGrad}[j,i]=\frac{D_{\mathrm{Th}}}{\mathrm{dy}[j,i]}---\left(5\right)$

其中j是缺陷指数，i是阈值电平下标，并且D_Th是阈值电平之间的间距。D_Th是一常数，所以保持以下等式：

$\max ,\mathrm{LDFGrad}[j,i]=\frac{D_{\mathrm{Th}}}{\min ,\mathrm{dy}[j,i]}---\left(6\right)$

进一步来讲，因为仅仅使用了LDF斜率的最大值的定位，所以查找LDF斜率的最大值的工作相当于在通过LDF斜率峰值分布图算法1210计算出的阵列dy[]的行中搜索最小元素。多数情况下，最小的dy是零，因为图像定位是在许多像素中测定的，并且对于这一粒度级，缺陷的y位置可能对于邻近的阈值电平来讲是一样的。

有时存在最小dy的几个定位。具有最大LDF斜率(最小的dy)的位置的组要求计算阵列dy[]的行中的最小元素的第一个和最后一个下标。该类型的数据结构maxLDFGrad包含以下元素：

1、Threshold是最大LDF斜率的的阈值电平；

2、Th.Ind.是阈值电平的下标i；

3、Line Ind.是在这一阈值电平处的与缺陷相关联的线指数j；

4、DY是阵列dy[]的该行最小值；以及

5、x和y是缺陷定位的坐标。

步骤1220采用LDF斜率峰值分布图1215的分析对与LDF阵列的线结构中规定的线型缺陷膺象相关联的缺陷进行定位。步骤1220基于对应于阵列dy[]的行中的最小元素的第一个和最后一个下标的First(第一个)和Last(最后一个)maxLDFGrad结构(输入数据1225)执行计算。一个或者两个结构都被用于导出对应的缺陷位置。位置能够被定义为来自LDF结构1205[i]中的缺陷结构1320[j]的(x，y)，其中j和i是根据First(第一个)或者Last(最后一个)maxLDFGrad结构获得的。在默认情况中，缺陷位置位于这两者的中间。

缺陷位置1230的结果列表精确地在图像中的线型缺陷膺象内部定位缺陷。最后的步骤1235采用基准坐标1240将象面坐标1230翻译为物理的缺陷坐标950(图9)。为了这一目的，受测对象被假定为与使用基准标记的各检测器、通常是它们中的两个排成直线。

在DLA 945中采用的该组形态学操作在该范例中是专用于线型缺陷的，但是这些操作能够依照要求修改，以适应例如点和角型缺陷。因此，缺陷定位算法900(图9)在它们的相应的膺象内部定位各种类型的缺陷。

尽管已经结合具体实施例描述了本发明，但是这些实施例的变型对于本领域中普通技术人员来讲是显而易见的。例如，如上所述的方法和系统能够被应用于许多类型的电气电路，包括集成电路，印刷电路板，微机电系统(MEMS)，半导体片，和某些生物医学样本。此外，尽管如上所述的红外线检查系统采用电气激励和产生热缺陷膺象的热摄影术的组合检查系统，但是其他类型检查系统也可以采用其他类型的激励和/或成像，并从而产生其他类型的缺陷膺象。例如，某些成像系统使用白光、组合光谱或者磁场获取图像。如上所述的用于将缺陷与缺陷膺象隔离开来的实施例不局限于如上所述类型的红外线检查系统。因此，所附权利要求书的精神和范围不应该被局限于上述说明。

Claims (36)

1、一种测试结构包括：

a.显示面板包含：

i.多个源连接线；

ii.多个控制线；

iii.多个共接线；

iv.显示元件的二维阵列，每一显示元件包含晶体管和电容器，其中所述晶体管具有连接到所述源连接线之一的第一电流处理终端，第二电流处理终端，以及连接到所述控制线之一的控制终端，并且其中所述电容器具有连接到所述第二电流处理终端的第一电容器终端，以及连接到共接线之一的第二电容器终端；

b.红外检测器，被放置以便从所述显示面板接收红外辐射；以及

c.信号发生器，其具有：

i.连接到所述源连接线中的至少一个的第一测试信号输出终端；

ii.连接到所述控制线中的至少一个的第二测试信号输出终端；

iii.连接到所述共接线中的至少一个的第三测试信号输出终端。

2、如权利要求1所述的测试结构，其中所述信号发生器同时地在所述第一测试信号输出终端上提供第一测试矢量，在所述第二测试信号输出终端上提供第二测试矢量，并且在所述第三测试信号输出终端上提供第三测试矢量。

3、如权利要求2所述的测试结构，其中所述第一和第三测试矢量中的至少一个是交流信号。

4、如权利要求3所述的测试结构，其中所述第二测试矢量是在所述晶体管上偏置的直流信号。

5、如权利要求2所述的测试结构，其中所述第二测试矢量将所述晶体管导通。

6、如权利要求2所述的测试结构，其中所述第一和第三测试矢量中的至少一个具有一测试频率，并且面对一电阻和一电容，并且其中所述测试频率与所述电容和所述电阻相匹配，以提供从所述信号发生器到所述面板的最大功率传输。

7、如权利要求1所述的测试结构，其中所述信号发生器在源极和共接线之间提供测试矢量，以产生经由所述晶体管的所述第一和第二电流处理终端的测试电流。

8、如权利要求1所述的测试结构，其中所述测试结构进一步包括：

具有位于缺陷区域内的至少一个缺陷的电气电路，所述缺陷区域具有一初始温度；

其中红外检测器从所述缺陷区域接收红外辐射；以及

信号发生器连接到所述电气电路的至少一个测试信号输出终端，所述信号发生器经由所述电气电路将测试矢量施加到缺陷，其中所述缺陷对于所述被施加的测试矢量显示出热反应；

其中所述红外检测器在施加所述测试矢量之后以及在缺陷到达初始温度和最终平衡温度之间的差值的95％之前捕获所述缺陷的图像。

9、如权利要求8所述的测试结构，其中所述红外检测器在缺陷到达差值的86.5％之前捕获图像。

10、如权利要求8所述的测试结构，其中所述红外检测器在缺陷到达差值的63.5％之前捕获图像。

11、如权利要求8所述的测试结构，其中所述信号发生器包含第二测试信号输出终端，所述电气电路包括一晶体管,所述晶体管具有连接到所述第一测试信号输出终端的第一电流信号输出终端，连接到所述第二测试信号输出终端的控制终端，以及第二电流处理终端。

12、如权利要求11所述的测试结构，其中所述测试矢量是交流信号。

13、如权利要求12所述的测试结构，其中所述信号发生器经由所述第二测试信号输出终端将第二测试矢量施加到控制终端。

14、如权利要求13所述的测试结构，其中所述第二测试矢量将所述晶体管导通。

15、如权利要求11所述的测试结构，其中所述信号发生器包含第三测试信号输出终端，所述测试结构进一步包括在所述晶体管的所述第二电流处理终端和所述第三测试信号输出终端之间连接的电容。

16、一种利用如权利要求1或8所述的测试结构识别电气电路上的缺陷的方法，所述方法包括：

a1.在第一瞬间，将测试矢量经由所述电气电路施加到所述缺陷，其中所述缺陷显示出对于该测试矢量的热反应，所述热反应的特征在于热时间常数；以及

b1.在与所述第一瞬间分隔小于三个时间常数的第二瞬间捕获该缺陷的测试图像。

17、如权利要求16所述的方法，其中所述第二瞬间与所述第一瞬间分隔小于两个时间常数。

18、如权利要求16所述的方法，其中所述第二瞬间与所述第一瞬间分隔小于一个时间常数。

19、如权利要求16所述的方法，进一步包括至少重复步骤a1和b1两次，以捕获多个测试图像。

20、如权利要求19所述的方法，进一步包括在所述多个测试图像中的一些之间捕获参考图像。

21、一种在权利要求1所述的测试结构中的受测对象上定位至少一个缺陷的自动化方法，其中所述对象包含至少一个对应于所述缺陷的缺陷区域和不存在所述缺陷的没有缺陷的区域，所述方法包括：

a2.获取所述对象的图像，所述图像包含与所述对象空间地关联的图像数据，所述图像数据包含：

i.与所述缺陷区域空间地关联的缺陷数据；以及

ii.与部分的所述没有缺陷的区域空间地关联的缺陷赝象数据；以及

b2.分析所述缺陷赝象数据。

22、如权利要求21所述的方法，进一步包括将缺陷赝象数据分类为多个赝象类型中的一个中的成员。

23、如权利要求22所述的方法，其中所述赝象类型包含点型、线型和角型中的至少一种。

24、如权利要求21所述的方法，进一步包括对所述图像数据进行滤波，以除去至少一个类型的缺陷，从而创建特定类型的图像。

25、如权利要求21所述的方法，进一步包括：

a3.对所述图像数据施加第一阈值，以创建第一阈值图像，所述第一阈值图像描述了所述缺陷区域中的第一缺陷区域、以及包含所述第一缺陷区域并延伸到没有缺陷的区域的第一缺陷赝象区域；以及

b3、对所述图像数据施加第二阈值，以创建第二阈值图像，所述第二阈值图像描述了所述缺陷区域中的第二缺陷区域、以及包含所述第二缺陷区域并延伸到没有缺陷的区域的第二缺陷赝象区域。

26、如权利要求25所述的方法，进一步包括在所述第一缺陷赝象区域内选择第一峰值，在所述第二缺陷赝象区域内选择第二峰值，并且在所述第一和第二峰值之间延伸的计算斜率。

27、如权利要求26所述的方法，进一步包括使用所述斜率计算缺陷坐标。

28、如权利要求25所述的方法，其中所述第一和第二缺陷区域空间地对应于所述缺陷区域。

29、一种在权利要求1所述的测试结构中的受测对象上定位缺陷的成像系统，所述成像系统包括：

a4.将测试矢量施加到所述缺陷的激励源，其中所述缺陷显示出对于所施加的测试矢量的响应；

b4.图像检测器，被放置以便观察所述缺陷的响应，从而产生包含缺陷数据和包含所述缺陷数据的缺陷赝象数据的图像；以及

c4.图像处理器，分析所述缺陷赝象数据和所述缺陷数据，以便在所述缺陷赝象数据内定位所述缺陷数据。

30、如权利要求29所述的成像系统，其中所述响应是热反应。

31、如权利要求29所述的成像系统，其中分析所述缺陷赝象数据包括：

a5.将多个阈值施加到所述图像以产生多个阈值图像；

b5.其中多个所述阈值图像包含对应于所述缺陷区域的相应的缺陷赝象。

32、如权利要求31所述的成像系统，进一步包括特定类型滤波器，对每一阈值图像中的缺陷赝象按类型排序，以产生具有特定类型缺陷赝象的特定类型图像，其中所述特定类型缺陷赝象包含点型、线型和角型中的至少一种。

33、如权利要求32所述的成像系统，其中所述图像处理器包含与来自不同特定类型的图像的特定类型缺陷赝象相关联的数据结构。

34、如权利要求33所述的成像系统，其中所述图像处理器在特定类型缺陷赝象的峰值之间建立斜率。

35、如权利要求34所述的成像系统，其中所述图像处理器使用所述斜率计算所述缺陷的定位。

36、一种在权利要求1所述的测试结构中的受测对象上定位缺陷的检查系统包括：

a6.受测对象，包含至少一个缺陷；

b6.用于加热所述缺陷以及相关的资源的装置；

c6.红外成像装置，捕获热成像加热对象，所述热成像包含表示所述缺陷的缺陷数据和表示相关资源的缺陷赝象数据；以及

d6.图像处理装置，用于在缺陷赝象数据内定位缺陷数据。

Images