Die Oberflächenfehlererkennung bei Flüssigkristallbildschirmen ist entscheidend für die Sicherstellung der Qualitätsstabilität von TFT-LCDs und anderen LCD-Bildschirmen. Dank der hohen Effizienz und niedrigen Kosten bei der Erkennung von Oberflächenfehlern ist die maschinelle Bildverarbeitung mittlerweile das Hauptverfahren zur Qualitätskontrolle von TFT-LCDs. Dieser Artikel gibt zunächst einen Überblick über die Entwicklung von LCDs, listet die häufigsten Mura-Fehlertypen auf, stellt Methoden zur Erkennung von Mura-Fehlern auf Basis traditioneller Bildverarbeitung sowie Deep Learning vor und fasst Forschungsentwicklungen zu Bildvorverarbeitungstechniken wie Bildfilterung und Helligkeitskorrektur zusammen. Der Artikel erläutert schwerpunktmäßig den Einsatz von Künstlicher Intelligenz, einschließlich überwachten, unüberwachten und Transferlernens, im Bereich der Oberflächen-Mura-Fehlererkennung bei TFT-LCDs und gibt einen Ausblick auf die technologische Entwicklung im Bereich der maschinellen Bildverarbeitung für die Oberfläche der TFT-LCDs.

TFT-LCD; Mura-Fehler; maschinelle Bildverarbeitung; Bildverarbeitung; Deep Learning