[发明专利]强化工件光学特征的设备、方法、深度学习方法及媒体

说明书

本发明提供一种强化工件光学特征的设备、方法、深度学习方法及媒体，该设备包括至少一个可变影像捕获设备、至少一个可变光源装置、一图像处理模块、以及一控制装置。该可变影像捕获设备对一工件进行影像撷取，且该可变影像捕获设备的外在参数与内在参数为可调整的。该可变光源装置对该工件提供光源，且该可变光源装置的光学输出特性为可调整的。该图像处理模块根据该瑕疵影像信息产生一特征强化信息。该控制装置根据该特征强化信息调整该外在参数、该内在参数、及该光学输出特性，并控制该可变影像捕获设备及该可变光源装置的操作，借以获得该工件的特征强化影像。

技术领域

本发明是关于一种强化工件光学特征的设备、方法、强化工件光学特征的深度学习方法及非瞬时计算机可读取记录媒体，特别是指一种用以增加瑕疵及缺陷的强化工件光学特征的设备、方法、强化工件光学特征的深度学习方法及非瞬时计算机可读取记录媒体。

背景技术

人工智能(Artificial Intelligence,AI)也称机器智慧，是指由人工制造出来的机器，经由仿真人类推理、知识、规划、学习、交流、感知、移动及操作物体等能力而表现出来的类人智慧。随着科技的发展，人工智能目前已经有了初步的成果，特别是在影像辨识、语言分析、棋类游戏等单一面向的能力已经可以超越人类的水平。

早期的技术是利用机器学习(Machine Learning)分析影像数据，并由数据中从中学习，判断或预测待测物的状态。随着算法的进步以及硬设备效能的提升，深度学习(DeepLearning)已经有了长足的突破，在类神经网络的架构下，机器的学习不需要通过人工拣选的方式帮助机器训练，而是通过强大的硬件效能及算法的加持，将影像直接输入类神经网络后让机器自行学习，预计深度学习在未来将逐渐取代机器学习的方式成为机器视觉及影像辨识的主流技术。

发明内容

本发明的目的，在于通过光学的方式强化影像中的缺陷特征，并将强化后的影像传送至深度学习模块进行训练，借以增加卷积神经网络对于工件瑕疵的辨识率。

为达到上述目的，本发明是提供一种强化工件光学特征的设备，自外部接收一工件与对应的一瑕疵影像信息，该设备包括至少一个可变影像捕获设备、至少一个可变光源装置、一图像处理模块、以及一控制装置。该可变影像捕获设备于一工作区域内，对一工件进行影像撷取，其中该可变影像捕获设备的外在参数与内在参数为可调整的。该可变光源装置于该工作区域内，对该工件提供光源，其中该可变光源装置的光学输出特性为可调整的。该图像处理模块根据该瑕疵影像信息，以产生一特征强化信息。该控制装置根据该特征强化信息调整该外在参数、该内在参数、和/或该光学输出特性，并控制该可变影像捕获设备和/或该可变光源装置的操作，借以获得该工件的特征强化影像。

本发明的另一目的，在于提供一种强化工件光学特征的方法，包括：自外部接收一工件与对应的一瑕疵影像信息；移动该工件至一工作区域；根据该瑕疵影像信息，产生一特征强化信息；根据该特征强化信息，调整一可变光源装置的光学输出特性，借以对该工作区域上的该工件提供光源；根据该特征强化信息，调整一可变影像捕获设备的外在参数与内在参数，借以影像撷取于该工作区域上的该工件，以获得该工件的特征强化影像。

本发明的另一目的，在于提供一种强化工件光学特征的深度学习方法，包括：自外部接收一工件与对应的一瑕疵影像信息；移动该工件至一工作区域；根据该瑕疵影像信息，产生一特征强化信息；根据该特征强化信息，调整一可变光源装置的光学输出特性，借以对该工作区域上的该工件提供光源；根据该特征强化信息，调整一可变影像捕获设备的外在参数与内在参数，借以影像撷取于该工作区域上的该工件，以获得该工件的一特征强化影像；正规化该特征强化影像，以形成一训练样本；以及提供该训练样本至一深度学习模型，借以训练该深度学习模型分辨该瑕疵影像信息。

本发明的更一目的，在于提供一种非瞬时计算机可读取记录媒体，具有一计算机程序，当控制器加载该程序并执行后，完成如上所述的方法。

本发明可以有效的强化工件影像的瑕疵及缺陷于影像中的表现，有助于提升深度学习模型对于瑕疵及缺陷特征的辨识率。