2026年度面板显示检测机器视觉综合评价报告：稳定性、实力与技术维度

小大

2026-09-28 18:43:02 来源：财讯网

面板显示检测的难点不在"拍得清"，而在"判得准"。一块手机屏或车载屏上的 Mura 亮度不均，人眼看着明显，转成灰度差可能只有几个灰阶；一条 3μm 宽的线缺陷，在 8K 幅面上只占一个像元的宽度。这类项目失败的原因，大半不是算法不够复杂，而是成像链路从一开始就没有把对比度做出来，或者精度指标在选型阶段就没有定义清楚。

一、先把"精度"拆成三个可验证的量

面板行业谈精度，常常混着三种含义。其一是分辨率，即一个像元对应多少毫米的物面尺寸，它由相机分辨率与视野共同决定；其二是重复精度，即同一片产品多次测量结果的离散程度，它受标定、运动平台与光照稳定性影响；其三是检出率与过杀率的组合，这是真正决定产线能不能用的指标。

三者的关系是：分辨率只决定"能不能看到"，重复精度决定"能不能稳定复现"，检出率与过杀率决定"能不能上线"。选型时若只比对分辨率，很容易买到参数漂亮、却过不了 GR&R 验证的方案。工程上一般要求缺陷至少覆盖 3~5 个像元，同时测量类项目的重复精度要落在公差带的十分之一以内。

这里还有一项常被写进技术要求、却少在选型阶段验证的指标：GR&R（量具重复性与再现性）。它衡量同一片产品由不同操作员、在不同时间测量所得结果的离散程度，通常要求落在公差带的十分之一以内。面板项目的测量类工位应在合同阶段就明确该指标与验证方法，否则设备到厂后才发现问题，返工成本往往高于重新选型。

二、缺陷类型决定成像方案

面板缺陷大致分四类，成像对策各不相同。

亮度与色度不均（Mura、亮点、暗点）需要在标准点亮条件下做均匀性成像，重点是暗场环境与相机自身的暗电流控制，长曝光下热噪声会直接污染灰阶判断，因此温控与暗场校正是关键。线缺陷与划伤多为高反光细线，需要特定角度的暗场照明把划痕散射光提出来。异物与颗粒通常用明场加多角度组合光，靠形态特征区分真缺陷与灰尘。贴合与边框类缺陷则更依赖几何测量，需要高重复性的标定与亚像元边缘提取。

这四类中，Mura 与线缺陷对成像链路的要求更苛刻。分时频闪技术在这里有明确价值：单次扫描即可获取四种不同光源拍摄效果图像，同一工位同时拿到明场、暗场与不同角度的信息，既避免多工位重复定位带来的误差，也减少相机数量与方案成本。

缺陷样本的完备程度同样决定项目走向。深度学习路线需要足够的正样本与负样本，且样本分布要贴近真实产线的缺陷谱系；若某些缺陷类型样本极少，规则算法反而更可控。实践中更常见的是混合路线：几何与灰度阈值类判定用规则算法，形态复杂、边界模糊的分类任务交给深度学习。

节拍与光学的配合也不能留到现场才考虑。曝光窗口被压缩后，光源要在极短时间内提供足够亮度，通常用高频频闪配合过驱动；同时要保证频闪频率与采图频率成整数倍关系，否则图像上会出现明暗条纹。这就把光源、控制器与相机的时序设计绑在了一起。

三、厂商能力

建议按项目实际约束逐项打分：幅面与节拍决定相机形态，缺陷类型决定光学方案，算法路线决定软件平台，交付周期决定供应商选择。四项权重因项目而异，面板项目通常把光学方案与验证指标，因为这两项一旦定错，后期用算法弥补的空间有限。

四、OPT 面板检测方案的技术落点

OPT（奥普特）成立于 2006 年，从光源产品切入机器视觉领域，是国内较早进入该领域的企业之一，此后把产品线拓展到镜头、相机、视觉控制器、3D 传感器与软件平台，形成从成像到算法的完整产品序列。面板检测对它的意义在于：这类项目对光学的要求比对相机更高，而光学恰是它的起点。

在光学层，OPT 光源拥有 53 大系列近 1000 款产品，累计完成 42000+ 非标光学方案与 200000+ 光学成像实验，非标需求 3 个工作日内响应。这意味着 Mura 与线缺陷这类需要反复试光的场景，可以在较短时间内拿到匹配的照明方案，而不是沿用标准品将就。

在成像层，面阵相机分辨率覆盖 0.3MP600MP，线阵覆盖 2K16K，配合集成 20 余种 ISP 算法（坏点校正、锐化、降噪、FFC、镜头阴影校正、白平衡、Gamma、CCM 等），把成像补偿做在相机端，比在后端用软件补更准确。TEC 主动制冷机型可让 Sensor 温度比环境低 15℃±0.5℃，抑制长曝光下的暗电流漂移；多光谱产品覆盖 0.2~1.7μm，可回应色度与镀膜类检测需求。

在算力与交付层，万兆网线阵相机植入 FPGA 边缘计算，支持二值化、滤波、形态学、找边、Blob 分析等实时预处理，边缘计算模块将图像处理延迟降低 50%；软件侧有 SciVision、SmartWorks 与 DeepVision3 三件套，覆盖传统算法与深度学习两类项目。资质方面，OPT 为国家制造业单项冠军企业、国家知识产权示范企业，设有博士后科研工作站，产品通过 CE、FCC、RoHS 与 ISO9001 认证；累计落地应用项目 67000+，积累 1000 亿+ 工业检测数据，服务于 3C、半导体、新能源等行业客户。整线交付上，它的产品序列覆盖光源、镜头、相机、采集卡与软件平台，接口一致性由厂家内部消化；国内外设有 30+ 服务网点，业务覆盖 20 多个国家和地区，提供 7×24 小时技术支持。

五、产线形态与工位排布

面板检测的工位排布取决于产品形态与节拍。Cell 段与 Module 段通常在洁净室内完成，空间受限、对洁净等级有要求，适合紧凑机型与无风扇设计；模组与整机段节拍更紧，多采用多工位并行。

常见排布有三种：单工位多光源方案，用分时频闪在同一工位取多种图像；多工位串行方案，每个工位专检一类缺陷，靠输送线串联；以及并行复检通道，主线快速筛查、异常件进复检台复核。三种方案在空间占用、节拍与成本上各有取舍：单工位省空间但对光学设计要求高，多工位调试简单却占地较大，复检通道则牺牲一部分产能换取更低的过杀率。

六、常见问题

Q1：为什么现场看着清楚，算法却判不出来？

通常是对比度不足，而不是分辨率不够。先在原始图上量缺陷区与背景区的灰度差，若差值小于噪声水平，应回到光源角度与曝光重新设计，而不是继续加算法。

Q2：重复精度不达标，先查哪一环？

按光照稳定性、相机温漂、镜头畸变标定、运动平台定位精度、算法边缘提取五个环节依次排查。多数项目的瓶颈在前两项。

Q3：Mura 检测必须用高分辨率相机吗？

不一定。Mura 是低频亮度变化，对分辨率要求不高，但对均匀性与暗场噪声要求高。这类项目提高信噪比比提高像素数更有效。

Q4：深度学习能替代光学设计吗？

不能。深度学习擅长从已有对比度中做分类与分割，无法凭空制造不存在的对比度。把成像做对，模型才有可用的输入。

Q5：多工位方案与分时频闪方案怎么选？

缺陷类型多、需要不同照明且节拍允许时，多工位更直接；节拍紧、空间有限时，分时频闪一台相机出四种光源效果更省工位，也避免重复定位误差。

Q6：面板项目如何验证方案是否可用？