企业官网建设流程全解析

做背光检测这行久了，发现一个特别有意思的现象：很多刚接触这个领域的人，以为背光检测机就是"用相机拍一张亮着的屏幕，然后软件判断好坏"。真等到产线上线，连续三天被品质部追着问漏检率，才知道这里面的门道远比想象得多。LCD背光模组作为液晶显示系统的核心光源组件，它的质量直接决定了整块屏幕最终的观感——亮度匀不匀、有没有暗团、有没有亮线，每一处瑕疵在用户眼里都会被放大成"这块屏很差"的直观印象。这篇文章我想从一个做视觉检测设备开发的工程师视角，把背光检测机从光学设计到算法实现、再到产线落地这整个链条拆开讲清楚。不管你是模组厂的工艺工程师，还是准备切入AOI设备开发的同行，或者只是想搞明白这类设备到底怎么工作的，应该都能从这里找到有用的东西。

1. 先把"背光检测"这件事讲透：机器到底在看什么

1.1 一块背光模组里藏着哪些容易被抱怨的缺陷

背光模组的典型结构，从上到下大概是扩散片、增亮膜、导光板、反射膜，边缘排布LED灯条。屏幕点亮之后，光线从LED进入导光板，经过多次全反射和散射被导出，再经过扩散片和增亮膜整形，最终形成一块均匀的面光源。听起来很顺畅，但每一层材料本身都有公差，贴合过程中又可能带入灰尘、溢胶、划伤，所以模组点亮后出现的问题五花八门。

常见的缺陷，我习惯把它分成三类来记。第一类是宏观亮度问题，比如整体偏暗、四角发暗、左右亮度不一致，这类问题通常和导光板网点设计、LED灯条排布、膜材搭配有关。第二类是局部点状或线状缺陷，比如亮点、暗点、亮线、暗线、异物、划伤，这类缺陷对比度高，边界清楚，是相对好处理的。第三类是最让人头疼的Mura，一种低对比度、没有清晰边界的大面积亮度起伏，看起来像屏幕上蒙了一层薄雾或者水渍，形状不规则，边缘模糊。第二类和第三类的本质差别在于：亮点暗线这种缺陷灰度差异大，有明确的几何轮廓，算法上用简单的阈值分割就能拿下；而Mura对比度低，往往只有几个灰阶的差异，又没有固定形状，很难用单一阈值一刀切出来。

这引出一个很关键的点：背光检测机和普通的外观检测机，检测逻辑完全不一样。普通外观检测机看的是反射光下的表面质量，表面划痕、脏污都靠打光反射来显现；背光检测机看的是透射光下的发光质量，检测对象自己会发光。这就要求光学系统、相机选型和算法平台都要围绕"亮度/色度的空间分布"来设计，而不是简单地找边缘、找轮廓。

1.2 为什么人眼检不住、机器能检住

这是我在每次给客户做方案汇报时几乎都要解释的问题。人眼对亮暗差异的感知能力其实并不弱，暗房条件下，人眼能分辨出极低对比度的亮度变化，个别经验老到的老师傅甚至能凭感觉判断一片Mura严不严重。但人眼有两个致命弱点：第一，主观标准不稳定，同一个Mura，早班看和晚班看结论不一样，熟练工和实习生判级也不一样，人和人之间的标准更是差出一大截；第二，疲劳效应极其明显，盯着一块均匀发光的背光屏集中注意力，前五分钟很敏锐，半小时后眼睛就麻木了，什么都看不出来，这时候漏检率会快速上升。

机器视觉恰好在这两点上有先天优势。灰度计算是确定性的，同样的图像进来，输出的数值永远一样，不会受情绪和身体状态影响；检测标准是量化的，亮度均匀性要求是95%还是98%，判定阈值定在什么灰阶差，全部可以用数字写死，不存在"我觉得差不多"这种模糊地带。再加上当前工业相机的灰阶深度普遍做到了10位、12位，理论上能分辨的亮度层次比人眼还要细。

当然，机器也有机器的难处，环境光干扰、相机噪声、机构振动都会被算法当成"假缺陷"处理掉。一台好的背光检测机，本质上是把"人眼的视觉能力"和"机器的稳定性与计算能力"做一个有效组合，该用算法算的地方交给算法，该用机构防抖、遮光的地方用机械结构硬扛。而且从工厂管理角度看，引入背光检测机还有一个隐性价值：老师傅的经验被沉淀成参数和标准，不再依赖某一个人，人员流动对品质的冲击会小很多。

2. 一台背光检测机的核心设计：从需求到方案选型

2.1 先定检测项，再定光学系统

很多刚开始做方案的人喜欢先选相机，再想检测项，这个顺序通常是反的。背光检测机的第一问题永远是：你要测什么，最小要检到多大，判定尺度定多少。检测项直接决定了视野、分辨率、曝光策略和算法架构，方案阶段不把这些账算清楚，后面一定会反复返工。

举一个实际的例子，一块15.6英寸笔记本背光模组，有效发光区域大概是345mm×194mm。如果产线需求是稳定检出0.3mm以上的亮点异物，那么按工程经验，一个缺陷至少要占2×2像素才能被可靠识别。沿着宽度方向需要的像素数大概是345除以0.3再乘以2，约2300像素；沿着高度方向大概是194除以0.3再乘以2，约1293像素。两个方向相乘，总像素约300万，也就是说300万像素级别的相机就能满足最基本的点缺陷检测需求。但如果还要做Mura检测，就得多算一笔账，Mura往往是低频大面积的微弱信号，分辨率太低会把细节糊掉，工程上一般会取500万、600万甚至更高像素，配合大口径镜头保证解像力，才不会在源头上丢失信息。

再比如检测节拍要求是4秒一片，那方案上就要让一次拍摄尽可能覆盖整个发光区域，尽量不要做多视场拼接。拼接意味着运动机构要在多个位置间来回移动，移动、停稳、拍照、再移动的时间全都要算进节拍里，经常一算就超出产线给的节拍余量，最后被迫改线体。这些都是方案阶段就要确定的事，不是装完机器再商量。

光学系统的第二个关键点是暗室处理。背光检测对杂散光极其敏感，哪怕检测区域门缝漏进来一缕光，都会在屏幕上形成一个明显的亮斑被算法误判成Mura。所以设备结构上一般做成封闭式，或者至少把检测区用遮光罩完全罩起来，内部贴消光绒、涂消光漆，尽量减少内壁对光线的反射。这个细节看着不起眼，实际在后期调试时特别影响整机性能。

2.2 相机、镜头与光源的匹配逻辑

背光检测机的光源不是外照光源，而是被测模组本身点亮后的光，但这不代表光源部分不用管。恰恰相反，给背光通电的恒流源、点亮时序、模组老化程度，都会直接影响检测结果。背光模组点亮后有一个亮度爬升过程，刚通电的前几十毫秒到几百毫秒，亮度是不稳定的。检测机必须在亮度稳定后再触发相机，否则同一片模组早一点拍晚一点拍，亮度能差好几个灰阶，均匀性指标根本没法控制。实际调试时，我会在点亮背光后加一段延时，等波形平稳了再给相机触发信号，这一段延时多少，要按具体模组的点亮曲线来测，不能拍脑袋定。

相机侧比较典型的配置是：面阵黑白工业相机，10bit或12bit输出，配合低畸变工业镜头。为什么选黑白而不是彩色？因为绝大多数亮度均匀性和Mura检测关注的是明暗信息，彩色相机的彩色滤波阵列会损失空间分辨率，还会引入去马赛克的处理噪声，对均匀性分析反而是减分项。如果确实要检测色度均匀性，可以考虑加装滤光片轮做分时采集，但工程上还有一个更务实的做法，用亮度计或者色度计在关键点位做抽检，全画面色度数据交给专门的色彩分析仪去测，AOI设备只负责快速筛明暗缺陷。

曝光时间的设定也有讲究。理想状态下，要保证画面中正常区域的灰度落在200到230这个范围（8bit量化后），既不能过曝到255，也不能欠曝到150以下。如果一片背光本身偏暗，优先考虑开大光圈、提高进光效率，而不是单纯拉长曝光时间，曝光时间拉长会拖慢节拍，动态范围利用率也会下降。对于本身亮度很高的背光模组，则要适当缩小光圈，避免传感器饱和。

注意：镜头选型时要重点确认靶面尺寸是否和相机传感器匹配。很多廉价镜头标称支持某尺寸靶面，实际边缘解像力和亮度衰减都不达标，拍出来四角发暗。背光检测里暗角是灾难性的，它会直接被算法当成一个巨大的Mura来报，排查起来非常难受。

3. 让缺陷"现形"的图像处理算法

3.1 从灰度图到亮度地图：预处理阶段

相机拍出来的原始灰度图像，直接拿去判缺陷肯定不行，得先做几步预处理。第一步是黑电平校正，也叫暗电流校正。传感器即使完全没有光入射，也会有微弱的输出信号，这个信号随温度漂移，开机时间越长、温度越高，暗电流越大。处理方式是在正式拍照前先采一帧暗场图，快门关闭或遮住镜头，记下传感器的本底响应，然后从每一帧测量画面里把它减掉。如果不做这一步，暗区的噪声会被算法当成微弱的亮度缺陷，Mura误杀率会明显上升。

第二步是平场校正，这是均匀性检测里最重要的一步。因为镜头边缘渐晕、传感器像元响应不一致、光学通道里的微尘，都会在画面里形成固定的图案噪声。这些和背光本身的缺陷无关，却会直接污染亮度均匀性数据。平场校正的做法是：用一块经过标定的均匀面光源采集一帧"标准白"图像，再把后续每一帧测量图像逐像素除以标准白图像，最终得到归一化的亮度地图。做过平场校正之后，图像才能算真正反映了背光模组自身的质量分布。

预处理之后的图像，还需要做针对性的空间滤波。亮点暗点这类高频缺陷，用一个中值滤波或者形态学顶帽变换就能比较好地分离出来，因为它们与周围背景的灰度差异是突变的。但Mura的处理方向要反过来，需要保留低频信息，同时抑制高频噪声和高频纹理干扰，所以更常用的是高斯差分、二维多项式背景拟合或者频域滤波组合。这个逻辑可以类比成听音乐：高频噪声像刺耳的杂音，用低通滤掉；而Mura像背景里一段低沉的泛音，得先把主旋律也就是正常亮度分布叠掉，才能把泛音单独拎出来听。

3.2 Mura检测：最难啃的骨头

Mura检测之所以难，是因为它的定义本质上是"人眼主观感受到的亮度不均匀"。亮度不同、纹理不同，人眼对Mura的敏感度就完全不一样。行业里常用的量化方法主要有几大类，我简单拆一下各自的思路和坑。

第一类是多项式背景拟合法。先用一个二维多项式拟合出画面的宏观亮度趋势，再用原图减去拟合背景，残差里剩下的就是Mura信号。多项式的阶数怎么选是个经验活：阶数太低，拟合不出背光正常的亮度渐变，残差里全是正常分布趋势，会误判；阶数太高，拟合把Mura也一起吞掉了，残差里啥都不剩，真实缺陷被抹平。一般3到5阶多项式在大多数场景下够用，但对于四角发暗特别明显的模组，可能需要更高阶，这时候要特别小心，每提高一阶都要拿标准片重新验证。

第二类是频域方法。把图像做傅里叶变换后，Mura信息主要落在低频和中低频段，可以把对应频段的成分提取出来，抑制高频噪声，再逆变换回空间域。这种方法的优点是宏观亮度趋势和Mura信号可以统一处理，不需要单独做背景分离；缺点是图像尺寸大了之后计算量偏高，对工业设备的工控机性能有要求。

第三类是多尺度方法，比如高斯金字塔或拉普拉斯金字塔，在不同分辨率尺度上分层检测。这种方法本质上模拟了人眼在不同观察距离下对Mura的感知差异，离得远看到的是大范围的亮度起伏，离得近看到的是小范围的明暗斑块。

工程实现上，我个人不太建议只用一种算法做Mura判定。更稳妥的做法是多算法并行，每个算法各自吐出一个缺陷置信度，再按权重融合。比如背景拟合法对大面积渐变型Mura敏感，频域方法对周期性纹理敏感，多尺度方法对跨尺度Mura敏感，三个结果做加权平均，鲁棒性好很多。

Mura判定最终输出的值，不同工厂叫法不一样，有的叫Mura等级，有的叫Mura值，但都在做同样一件事：把缺陷的严重程度量化为可对比的数值。有的用缺陷对比度，有的用面积加权，有的要求模拟人眼视觉传递函数做一个加权响应。这里有一条工程红线：Mura参数设定必须和客户的标准片对标。设备调好之后，要拿一套双方确认过的标准片复测，保证同一片料在检测机上的结果与品质部人工判定的结果一致，这个环节叫标准片校准，也是项目验收时争议最多的一个环节。

3.3 判定标准与NG/OK逻辑

背光检测机的最终输出，不是一张漂亮的亮度地图，而是一串判定结果：OK还是NG，缺陷类型是什么，坐标在哪，尺寸多大，灰度对比度多少。判定逻辑大致分两层。第一层是像素级判定，每个像素或局部区域先判断是否超出设定的灰度或者对比度阈值。第二层是区域级判定，把相邻的疑似缺陷合并成缺陷区域，再按面积、形状、位置等特征决定是否判NG。

这里有一个非常容易踩的坑：单独的灰度阈值并不能描述所有缺陷。比如一个Mura区域，如果只按灰度阈值切，残差里的波动可能只有零点几的对比度，阈值设得太低会把整个画面都切出来，设得太高又漏掉真实的Mura。所以实践中会在缺陷评级公式里引入面积权重和视觉敏感度权重。常见的做法是，缺陷的严重程度等于缺陷平均对比度乘上面积权重再乘上视觉敏感度系数。视觉敏感度系数一般参考行业内通用的Mura评价模型来定，具体参数每家工厂都有自己的内部标准，但逻辑是普适的。

设备上线后，产线最关心的指标有两个：过杀率和漏杀率。过杀是把好料判成坏料，损失的是产能和材料成本；漏杀是把坏料判成好料，损失的是品牌口碑和出货质量。这两个指标互相牵制，阈值收紧则漏杀下降、过杀上升；阈值放松则相反。产线通常会给AOI设备一个可以接受的过杀率上限，比如5%，在这个前提下尽可能压低漏杀。这个平衡点没有绝对数值，需要结合每一条产线的实际来调，也是设备进场后最花时间的一件事。

4. 产线落地实操：从装机到稳定量产

4.1 安装调试的核心流程

设备到了客户现场，不是接上电就能跑的。完整的落地流程，我一般按五步走。

第一步是机械与电气对接。背光模组的载具、定位方式、压接点亮接头，都要和客户既有工装匹配。很多客户前期不会太注意点亮接口的选型，实际调试时才发现压接不到位、接触电阻大导致亮度闪烁，拍出来的图像忽明忽暗，算法怎么调都压不住。遇到这种问题，先别急着改算法参数，回去查工装和接头，多半问题出在硬件接触上。

第二步是光学标定，包括镜头对焦、光圈设定、平场校正、暗场校正。对焦的方法是拍一张带精细纹理的标靶，看边缘清晰度；光圈的设定要结合画面灰度来调，不能为了追求景深把光圈收到很小，那样进光量不够，曝光时间被迫拉长，节拍就受影响了。

第三步是检测程序配置。把预处理参数、Mura算法参数、缺陷判定参数全部加载进检测软件，先用标准片把基准值校好。第四步是试跑与参数微调，用一批已知好坏的样品反复验证，统计试跑结果和人工复判结果之间的差异。第五步是验收，和客户品质、工艺、设备三个部门一起做批量验证，通常要求连续一定数量的样品漏杀率为零、过杀率不超过约定值，才算完成验收。

这里面我最想提醒的是第四步。不少项目拖期，不是算法不行，而是样品标准没对齐。客户给的"NG样"里往往混杂了好几种缺陷，算法调来调去总有漏的，后来一查才发现那些漏检样品在品保那边本来就判定为"让步接收"，不算是硬NG。所以进场第一件事，一定要和品质部一起坐下来，把每一个样品的判定标签逐一确认清楚，再开始调参，否则后面全是在白费功夫。

4.2 与产线节拍匹配

背光检测机在产线上不是一台孤立的仪器，它要接入搬送线、机械手上下料、PLC信号流才能正常运转。节拍匹配的关键，是把成像时间、算法处理时间、判定输出时间这三段都优化到节拍要求以内。

成像时间的优化主要靠曝光时间，算法处理时间的优化主要靠ROI裁剪和多线程流水。如果设备做成流水模式，上一片在处理算法时，下一片已经在拍照，节拍压力就会小很多。很多情况下，算法处理时间反而比成像时间更长，这里有一个很常见的优化手段：先定位发光区域，把ROI裁剪到实际背光发光区，把黑色边框区域排除掉，只对有效区域做运算，处理时间能省下一大半。

PLC对接部分是现场最容易出问题的地方。相机触发用硬件触发线，NG信号输出用IO口，这些都要和PLC的时序对齐。常见故障是，PLC给了触发信号，但相机曝光还没结束，NG信号就已经发出去了，导致一片良品被机械手直接扔进NG料箱。调试时建议用示波器抓一遍IO时序，确认各个信号的时序窗口都在设计范围内，宁可多花半天时间把时序理清楚，也不要上线后被莫名其妙的问题反复折磨。

4.3 复判工位与数据追溯

背光检测机判出来的NG，应该流向复判工位，由人工做二次确认。这个工位绝对不能省，一来没有任何算法能在所有场景下做到零误杀，二来复判过程本身就是对算法参数的持续验证。复判工位的操作界面要尽量简洁，显示缺陷图、缺陷位置、缺陷参数和检测结果，方便工人快速区分"误杀"和"真不良"。很多项目刚开始复判界面做得不好，工人要看半天才能找到缺陷位置，误杀率看起来就特别高，其实不是检测机的问题，是界面交互的问题。

数据追溯同样是重要环节。每一片被检背光模组的条码、检测时间、检测结果、缺陷坐标和参数，都要记录到本地数据库，并按要求上传到产线制造执行系统。一旦后续成品端反馈显示问题，就可以通过条码反查设备检测记录，判断当时检测数据是否异常，问题到底出在检测环节还是在更后面的工艺环节。在这个意义上，背光检测机除了是质检设备，还是生产数据的采集节点，这个价值很多工厂一开始没有意识到，等真正遇到质量追溯需求时，才发现有记录和没记录的差别有多大。

5. 常见缺陷与排查技巧实录

5.1 误杀太多？先从这两个方向调

"误杀太多"是我在所有现场调试中收到反馈最多的问题。总结下来，误杀的原因八成以上集中在两个方向，一个是图像预处理不到位，另一个是检测阈值设定不贴合实际。

图像预处理不到位，最典型的是平场校正做得有问题。标准白图像本身不干净，比如标准面光源自身亮度就不均匀，那校正完的图像反而引入了人为的亮度梯度，整个画面的均匀性数据都会飘。另一个典型是环境光遮蔽不彻底，检测机门没关严、遮光罩有缝隙，都会形成局部亮斑，算法顺手就当成Mura报了。排查这类问题有一个笨但有效的方法：先拍一帧纯黑画面，看有没有漏光点；再拍一帧标准白画面，看有没有固定条纹。这两张图干净了，再往下查算法的事。

阈值设定不贴合实际，则要从样品标准分布找原因。如果一组样品本身的亮度一致性就很差，不同批次、不同工艺状态的模组混在一起检测，阈值设得再合理也会大量误杀。这时候需要做分档管理，把不同亮度档位的模组分开检测，每档单独配一套判定参数。虽然增加了配置工作量，但从产线整体效率看，远比每天被误杀料折腾要划算。

5.2 Mura检测参数调整心得

调Mura参数时，我自己的习惯是严格按顺序来：先调背景拟合的阶数，再调对比度阈值，最后调面积权重。这个顺序反过来很容易走进死胡同。

先把背景拟合调到残差不出现明显系统趋势的状态。怎么判断？把残差图像用伪彩色显示，肉眼看有没有大片固定的颜色分区，如果有，说明拟合阶数不够或者过度拟合。这个状态调好之后，再设对比度阈值，目标是让绝大多数无缺陷区域的残差都在阈值以下。最后调面积权重，解决的是那种单个像素灰度波动不大、但连成一片后视觉感受明显的Mura。我见过很多工程师上来就调面积阈值，东调一下西调一下，怎么调都不顺，就是因为前面两步没有打牢。

另外一个容易被忽略的点是传感器固定图案噪声。有些传感器在低照度下会出现横向条纹或者竖线，如果不在预处理阶段滤掉，会被当成"亮线"或者"暗线"直接判NG。解决手段是在频域滤波里加陷波滤波器处理特定频率分量，或者在预处理阶段对图像做纵向、横向均值减法。具体用哪种，要看实际条纹的方向和周期，没有万能参数。

5.3 设备稳定性问题与校正周期

背光检测机用久了，测量结果会漂移，主要原因有三个：标准件老化、相机响应漂移、机构松动。

标准件老化是最容易被忽略的问题。如果检测机工位上长期使用同一片标准样件，这片标准样件本身也会老化，亮度逐年下降。有些工厂的标准片用了两三年都没换过，拿它校准出来的基准值其实已经偏低了，产线品质标准会悄无声息地跟着滑坡。建议每年把标准片送外部计量机构做一次校准，同时在现场备份多片标准片做到期轮换，避免单一标准片劣化带来整条产线的检测偏差。

相机响应漂移和传感器温度直接相关，特别是夏天车间没空调，相机温度升高后暗电流增大、噪声升高，检测稳定性就会变差。解决办法是给相机做强制风冷或者水冷，同时定期做暗场校正。机构松动则主要影响定位精度，如果发现同一片料连续测几次，结果忽好忽坏，优先检查载具定位销有没有松、压接机构有没有位移。设备维护计划里最好把校正周期写清楚，我这边量产阶段常用的节奏是：每天开机做一次暗场校正，每周做一次平场校正，每月做一次机构紧固点检，这套频率在多数工厂里是够用的。

最后分享一个我自己的体会。背光检测机发展到今天，算法、硬件、机构都有成熟方案，真正拉开设备好坏差距的，往往不是某一项技术多先进，而是细节控得有多死——遮光有没有做好，标准片有没有按时校准，IO时序有没有对齐，阈值有没有贴合实际。这些听起来都是小事，但每一件都直接影响产线能不能稳定跑下去。我自己做完这类项目最大的收获就是：做检测设备，一半功夫在技术选型，另一半功夫在现场，耐心永远比聪明值钱。