【TP】产线检测CTP单体异常

2023-12-25 18:58
文章标签 异常 检测 tp ctp 单体 产线

本文主要是介绍【TP】产线检测CTP单体异常,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

                   **产线检测CTP单体异常Rawdata采集需求分析及实现**

1.需求来源分析
在产线式生产检测中,无法做到逐个去使用体验TP运行正常稳定的情况,于是可以采取读取Rawdata值的方式来初步检测CTP是否出现异常。为满足终端客户对触控屏体品质的要求,在终端设备上增加触控屏体验的功能。在触控IC方面一般分为两大类:互电容触控IC(如FT5316、FT5406)和自电容触控IC(如FT6206、FT6306)。互电容触控IC在终端设备上,建议检测Rawdata值。而自电容IC在终端设备上,建议检测Rawdata值和CI值。
2.Rawdata原理分析
Rawdata是测试线路导通性,这个值会有一个范围,偏离这个范围就存在OPEN或者SHORT的情况,一般测试软件线路与产品线路均有对应。Rawdata是ADC后的采样值,它与节点电容,屏阻电容,驱动信号打码事件和频率都有一定的联系,在手机中都“xxx“一个节点,通过该节点我们可以查询Rawdata的值,若超出正常范围,说明该TP出现异常。TP一般会使用一种透明的导电材质,叫做铟锡氧化物,英文简称ITO,用玻璃作为承载ITO的基材。
3.检测参数说明及测试参数范围
互电容触控IC:
屏体rawdata值:该值是sensor节点电容经过相应算法换算出来的数字值,通过检测Rawdata值是否在控制范围内,可以有效的判断屏体是否有开、短路现象。
Rawdata值的范围:6500~11000.
自电容触控IC:
屏体Rawdata值:该值是sensor节点电容经过相应算法换算出来的数字值,涌过检测rawdata值可以判断三角形Sensor对地电容是否过大或者过小而无法正常校准CI值,出现功能性不良,如开路、短路等。
Rawdata值范围:11500~ 17500.
屏体CI值:该值是sensor图案及走线的一个电容补偿值,用于保证Rawdata值在合理的范围内,便于功能的正常使用。
CI值范围:2~253.
4.可行性分析
如果由人力逐个使用检测TP是否异常,在工序上不仅繁琐、机械,不仅消耗了大量的时间和人力资源,效率上也不理想,并且,仅在人力检测的情况下,在大量繁复的操作下,人为的检测很容易出现纰漏和错误。而先以产线式的方法粗略的通过Rawdata筛选过滤一次TP,将Rawdata超出阀值的TP标记出现,然后再单独、精确的去检测标记中的个例。不仅避免了由人为疲惫造成的错误,同样节约了人力资源和大量时间,虽然对Rawdata的采集存在一定的风险,但考虑到以产线检测Rawdata的方式带来的优势足够弥补可能出现的风险,所以推断该方案可行。
5.方案概述
5.1.Rawdata节点以及配置文件
在手机中存在一个节点,用于采集rawdata的值(不用手机的节点位置不同,可以通过驱动代码去查找),例如Yarisxxl-L中,节点存放的位置以及节点信息如下图1:
图1 ftsrawdatashow

先将一个数量的批次检测该节点的信息,当采集到rawdata的值在阀值范围之内,则此项为PASS,若采集到的Rawdata值不在阀值之内,标记此项为FAIL。再将FAIL项的TP提取出来单独做检测,由于Rawdata值出现错误的情况多由硬件本身引起,一般情况都是反馈给IC屏厂厂商处理。
针对设置Rawdata、CI值范围的Rawdata Max和Rawdata Min值,正常情况下是使用自电容(互电容)机通用配置文件(ini格式)。具体内容如图2:

这里写图片描述

5.2.Rawdata检测处理流程图
图3. Rawdata处理流程图
6.与Rawdata相关的参数
6.1.内部反馈电容cap_internal
反馈电容的调节主要影响了触摸变化量(diffdata)。在firwmare和PC TOOLS分TX反馈电容和RX反馈电容,在cap_internal变化时,通常Rawdata也会随之变化,但Rawdata通常由offset参数来控制。具体情况,下文中详细讲解:(在Firmware中的变量如图4)
这里写图片描述
图4 firmware中的变量
6.2.Offset参数
offset调节的主要是影响扫描数据的Rawdata,在Firwmare和PC TOOLS中分TX基准电容(aucRowOffset)和RX基准电容(aucColOffset)。
6.2.1.AucRowOffset
表示TX方向的Offset电容调节;
每个TX,RX交叉点的和不能超过0x0f,在firwmare中两个RX的值是合在一个字节中的,排RX规则如下:(如图5)
这里写图片描述

图5 Row的排列规则
在FR5X01和FT5X02中,所有的TX都是用第一个TX的值,但在FT5X06中,所有TX都可以用单独的Offset电容调节;
在对TX方向的Rawdata进行调节是一个粗调的过程,Row值越大,Rawdata越大;RX值越小,Rawdata也越小。
6.2.2.AucColOffset
调节RX方向的Offset电容,同上,每个TX和TX交叉点的和不能超过0x0f,在Firmware中两个通道的值合在一个字节中,RX排列的顺序如下(如图6):
这里写图片描述

图6. Col排列规则
它对RX的Rawdata只是一个粗调的过程;
Col值越大,Rawdate就越大,反之两者都越小,它们是成正比的;
6.3.Rawdata获取以及TX、RX获取的主要代码
131static int ft5x0x_read_rawdata(struct i2c_client *client, u16 rawdata[][FTS_RX_MAX],
132 u8 tx, u8 rx)
133{
134 u8 i = 0, j = 0, k = 0;
135 int err = 0;
136 u8 regvalue = 0x00;
137 u8 regaddr = 0x00;
138 u16 dataval = 0x0000;
139 u8 writebuf[2] = {0};
140 u8 read_buffer[FTS_RX_MAX * 2];
141 /scan/
142 err = read_reg(FTS_DEVICE_MODE_REG, &regvalue);
143 if (err < 0) {
144 return err;
145 } else {
146 regvalue |= 0x80;
147 err = write_reg(FTS_DEVICE_MODE_REG, regvalue);
148 if (err < 0) {
149 return err;
150 } else {
151 for(i=0; i<20; i++)
152 {
153 msleep(8);
154 err = read_reg(FTS_DEVICE_MODE_REG,&regvalue);
155 if (err < 0) {
156 return err;
157 } else {
158 if (0 == (regvalue >> 7))
159 break;
160 }
161 }
162 }
163 }
164
165/get rawdata/
166 //dev_dbg(&client->dev, “%s() - Reading raw data…\n”, func);
167 for(i=0; i

这篇关于【TP】产线检测CTP单体异常的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/536588

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景

JavaFX应用更新检测功能(在线自动更新方案)

JavaFX开发的桌面应用属于C端,一般来说需要版本检测和自动更新功能,这里记录一下一种版本检测和自动更新的方法。 1. 整体方案 JavaFX.应用版本检测、自动更新主要涉及一下步骤: 读取本地应用版本拉取远程版本并比较两个版本如果需要升级,那么拉取更新历史弹出升级控制窗口用户选择升级时,拉取升级包解压,重启应用用户选择忽略时,本地版本标志为忽略版本用户选择取消时,隐藏升级控制窗口 2.

Thymeleaf:生成静态文件及异常处理java.lang.NoClassDefFoundError: ognl/PropertyAccessor

我们需要引入包: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>sp

深入理解数据库的 4NF:多值依赖与消除数据异常

在数据库设计中, "范式" 是一个常常被提到的重要概念。许多初学者在学习数据库设计时,经常听到第一范式(1NF)、第二范式(2NF)、第三范式(3NF)以及 BCNF(Boyce-Codd范式)。这些范式都旨在通过消除数据冗余和异常来优化数据库结构。然而,当我们谈到 4NF(第四范式)时,事情变得更加复杂。本文将带你深入了解 多值依赖 和 4NF,帮助你在数据库设计中消除更高级别的异常。 什么是

消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法

消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法   消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法 [转载]原地址:http://blog.csdn.net/x605940745/article/details/17911115 消除SDK更新时的“

JVM 常见异常及内存诊断

栈内存溢出 栈内存大小设置:-Xss size 默认除了window以外的所有操作系统默认情况大小为 1MB,window 的默认大小依赖于虚拟机内存。 栈帧过多导致栈内存溢出 下述示例代码,由于递归深度没有限制且没有设置出口,每次方法的调用都会产生一个栈帧导致了创建的栈帧过多,而导致内存溢出(StackOverflowError)。 示例代码: 运行结果: 栈帧过大导致栈内存

[数据集][目标检测]血细胞检测数据集VOC+YOLO格式2757张4类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):2757 标注数量(xml文件个数):2757 标注数量(txt文件个数):2757 标注类别数:4 标注类别名称:["Platelets","RBC","WBC","sickle cell"] 每个类别标注的框数: