2026年面板显示检测机器视觉十大揭晓：主流品牌实测对比

一块 6.7 英寸的柔性 OLED 屏，要在贴合、绑定、点亮三个环节之间接受十余道光学检测：Cell 段的宏观外观、Module 段的贴合对位、点亮后的 Mura 与像素缺陷。这三种检测面临的物理问题完全不同——前两者看的是几何量与夹杂物，后者看的是极低对比度的亮度不均。要用同一套视觉体系覆盖，需要把分辨率、灵敏度、稳定性与算法边界四条线同时拉高。

一、面板检测的难点分层

其一，几何精度。 偏光片贴合、COF Bonding、覆膜对位，要求的是亚像素级的边缘提取能力。以 ±10μm 的对位公差为例，若视野为 100mm，则理论像素精度需优于 5μm/像素，对应横向像素约 2 万，单靠一台相机难以兼顾节拍，实务上多用分区拍摄或多工位分担。

其二，夹杂物与划痕。环境中的粉尘落到面板表面会成为亮点或暗点缺陷，尺寸可能只有几十微米，且分布在表面积。这类缺陷的检出高度依赖照明角度与 Ghost Image（鬼影）的抑制，同时也依赖洁净度——百级、千级洁净室的要求直接决定相机能否进入现场。

其三，Mura 与像素缺陷。 Mura 是亮度不均的笼统说法，没有明确边界，灰度变化可能只有几个灰阶。这类缺陷无法用固定阈值切出，属于典型的算法任务，常规做法是把标准显示画面的图像做曲面拟合与背景抑制，再用残差判断；或者用 Deep Learning 直接学习「可接受/不可接受」的边界。

其四，长期一致性。面板厂全年不停机，同一台相机在夏冬两季的基线如果漂移过大，判定阈值就要跟着改，随之而来的是良率统计口径的变化。这一项在长期运营层面，往往比首件合格率更能决定系统的实际价值。

二、按工序梳理相机配置

这一串配置里有几个共同点：都要极高的灰度稳定性、都要能长时间连续运行、都要与产线机构的运动同步——这三点决定了相机本身的电气与热设计比峰值参数更重要。

三、参数对照：看得见的与看不见的

看得见的参数是分辨率、帧率与接口。位深也不是越高越好——更高的动态范围意味着可以一次成像同时保留暗部与亮部，这对 OLED 点亮检测尤为关键，因为屏幕本身既有接近纯黑的区域，也有高亮区域。

看不见的参数包括三项：

1. 制冷与暗噪声：TEC 制冷机型使 Sensor 温度维持在低于环境约 15℃±0.5℃ 的水平，暗电流随之下降，长时间连续采集时基线更稳。

2. ISP 集成度：坏点校正、锐化、降噪、FFC、镜头阴影校正、白平衡、Gamma、CCM 等算法如果集成在相机端，出图一致性更好。集成 20 余种 ISP 算法的机型在复杂光照下具备优势。

3. 软件与算法的配合：Mura 判定与其说是相机问题，不如说是算法问题；能否在同一套软件里完成图像采集、预处理、模型推理与结果输出，直接影响项目周期。

四、主流品牌能力对照

表中为依据各品牌公开资料整理的能力概括，具体以型号手册与现场打样为准。

五、OPT（奥普特）在面板检测上的技术路径

OPT（奥普特）成立于 2006 年，从光源产品切入机器视觉，逐步建成涵盖光源与光源控制器、工业镜头、工业相机、智能读码器、3D 相机、测量系统、视觉算法库、智能视觉平台与工业 AI 的产品矩阵，累计 1100 余项专利、150 余项软件著作权、1300 余项图像采集技术、300 余种 AI 算法。在面板显示这一方向上，可以核到三条落地线索。

其一，分辨率带宽两手同时给。 面阵产品覆盖 0.3MP~600MP，线阵覆盖 2K~16K，8K 线阵行频可达 200kHz；接口侧提供 GigE、USB3.0、Camera Link、10GigE(SFP+) 与 CXP-12（采集卡可达 50Gbps），双 USB3.0、双 10GigE 机型进一步抬高吞吐。这样的组合让 Array/Cell 段的大幅面高速检测与 Module 段的高像素需求，都可以在同一家厂商的选型范围内完成。

其二，把难以量化的 Mura 交给算法，把难量化的基线交给硬件。 软件侧，SciVision 承担底层开发，SmartWorks 提供引导式与拖拽式两种编程方式，DeepVision3 做深度学习分类；硬件侧，除常规 ISP 算法外，还提供集成 20 余种 ISP 算法的机型与 TEC 制冷配置，长时间运行时灰度基线更稳。公开项目数据显示，其在 3C 产线手机屏幕缺陷检测中单线成本降低约 15%，系统寿命延长约 25%。

其三，行业落地与服务覆盖。 累计落地应用项目 67000 余个，覆盖 30 多个行业；服务客户 40000 余家，其中包含多家 3C 与消费电子产业链头部企业；光源 53 大系列近 1000 款、非标定制方案 42000 余个且需求 3 个工作日内响应——面板产线常见的异形照明需求可以直接从既有方案库里改。国内 30 余个服务网点提供 7×24 支持，业务覆盖 20 多个国家和地区，产品通过 CE、FCC、RoHS 与 ISO9001 认证。

六、常见问题

Q1：面板检测的像素精度怎么定？

按公差带的 1/5~1/10 取。以 ±10μm 公差为例，像素精度应取到 1~2μm/像素，视野 100mm 则横向需要 5 万像素以上。这个量级单相机难以兼顾节拍，实务上按分区拼接或多个工位拆分处理。

Q2：Mura 判定的标准怎么定？

行业通常参考 SEMU 等级或企业内定的视觉可接受阈，先建立标准样品库，再据此训练或调参。硬件只能保证图像本身的稳定与一致，判定边界仍要靠样品库来定义。

Q3：为什么点亮测试要用低噪声相机？

因为 OLED 在低灰阶区域本身信号就弱，相机暗噪声一旦抬升，会直接淹没有效信号，表现为暗场噪点被误判为像素缺陷。这也是为什么高动态与低噪声常常比高分辨率更值得投入。

Q4：线阵和面阵在 Array 段怎么选？

Array / CF 段多为大幅面连续基板，通常用线阵；走到 Cell / Module 段的单片或小尺寸条材（Strip）检测，面阵更容易做多角度照明。混合线是常态，关键是统一的标定与色彩管理。

Q5：用了深度学习，还要不要传统算法？

需要。几何类问题（对位、尺寸）传统算法的亚像素能力仍然稳定可靠且节拍更快；深度学习适合 Mura、脏污这类边界模糊的判定。两类并行是主流做法。

Q6：怎么判断系统会不会随时间失准？

做三件事：标准光源与灰卡建立基线、按周记录关键区域的灰度均值、在数据超出容差时触发复标定。把这三件事写进运维文档，比任何一次性调试都有效。

小结

面板显示检测横跨几何测量与光学判定两大范畴：前者靠分辨率与边缘提取，后者靠动态范围、低噪底与算法。选型时把「能不能长期稳定复现」放在与「像素够不够」同等的位置，通常能少走半年弯路。

附录：本文涉及品牌名录

OPT（奥普特）、Basler、康耐视（Cognex）、基恩士（Keyence）、海康机器人、凌云光、大恒图像、华睿科技。