[发明专利]自动光学检测图片分析方法及设备

说明书

本发明公开一种自动光学检测图片分析方法及设备。该自动光学检测图片分析方法，包括：获取自动光学检测AOI图片；获取由人工智能AI程序经过深度学习算法训练得到的图片判别式；根据所述图片判别式对所述AOI图片进行识别。本发明提供的方案，能大大提高AOI图片分析效率，降低成本。

技术领域

本发明涉及平板显示技术领域，具体涉及一种自动光学检测图片分析方法及设备。

背景技术

随着显示技术的发展，出现了各种各样的显示器产品，例如LCD(Liquid CrystalDisplay，液晶显示器)和OLED(Organic Light Emitting Diode，有机发光二极管)显示器等，其中TFT(Thin Film Transistor，薄膜晶体管)液晶显示器产品在目前市场中也占有重要位置。

在TFT液晶显示器行业，对AOI(Automatic Optic Inspection，自动光学检测)图片分析需求巨大，产品的各种缺陷一般都需通过AOI图片分析发现。AOI是新兴起的一种新型检测技术，基于光学原理来对相关产品例如面板产品等遇到的常见缺陷进行检测，其通过摄像头自动扫描，采集图像生成AOI图片。目前产品检测中，每天几乎产生上万张AOI图片，然后对这些AOI图片进行分析，发现其中存在的缺陷。但是，目前对AOI图片的分析基本都是采用人工判断，效率很低，也无法从海量数据中快速总结规律。

AI(Artificial Intelligence，人工智能)，是一门是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。在2012结合深度学习算法和大数据后，AI图片识别技术也取得巨大进步，图片识别错误率不断下降，在2015年公开的图片识别错误率已低于3.57％，但与突破性技术进步形成反差的是转化为实际应用的比例仍很小。AI技术特别是图片识别技术取得图片性发展主要是得益于大数据的使用和深度学习的运用。深度学习(也为深度结构学习、层次学习或深度机器学习)是一类算法集合，是机器学习的一个分支。它尝试为数据的高层次摘要进行建模。典型的深度学习结构有深度前馈网络、卷积神经网络、递归神经网络等。

平板显示行业目前还未出现将AOI技术与AI技术结合的检测分析方案，因此，业界希望能将AOI技术与AI技术相结合，提供一种新的能极大提高分析效率的自动光学检测图片分析方法。

发明内容

有鉴于此，本发明的目的在于提出一种自动光学检测图片分析方法及设备，能大大提高AOI图片分析效率，降低成本。

根据本发明的一个方面，提供一种自动光学检测图片分析方法，包括：

获取自动光学检测AOI图片；

获取由人工智能AI程序经过深度学习算法训练得到的图片判别式；

根据所述图片判别式对所述AOI图片进行识别。

优选的，所述图片判别式按照以下方式预先生成：

获取输入的给定图片；

由所述AI程序对所述获取的给定图片进行设定运算，得到所述给定图片的特征值或特征函数；

根据给定图片的图片标记与所述给定图片的每个特征值或特征函数生成图片判别式，形成所述给定图片的图片判别式集合；

通过校验处理，从所述图片判别式集合中择优选择供识别使用的图片判别式。

优选的，所述由所述AI程序对所述获取的给定图片进行设定运算，包括：

由所述AI程序对获取的给定图片进行确定函数运算和/或不确定函数运算。