[发明专利]基于人工神经网络的物件表面型态的筛选方法

说明书

一种基于人工神经网络的物件表面型态的筛选方法，适用于筛选多个物件，所述基于人工神经网络的物件表面型态的筛选方法包括：以多个预测模型进行多个物件影像的表面型态识别以得到各预测模型的判定缺陷率，其中此些物件影像对应一部分物件的表面型态；以及根据各预测模型的判定缺陷率串接此些预测模型为一人工神经网络系统，以筛选其余物件。本发明的基于人工神经网络的物件表面型态的筛选方法，其基于各神经网络的判定缺陷率串接不同训练条件的多个神经网络，以提供精准且快速地分类大量待测物件的人工神经网络系统，同时兼顾较佳的过放率。

【技术领域】

本发明是关于一种人工神经网络训练系统，尤其是一种基于人工神经网络的物件表面型态的筛选方法。

【背景技术】

各种安全性保护措施是通过许多小型结构物件所组成，例如安全带。若是这些小型结构物件强度不足则可以令安全性保护措施的保护作用产生疑虑。

这些结构物件在制造过程中可能因为各种原因，例如碰撞、制程误差、模具缺陷等，而导致其表面产生微小的缺陷，例如槽孔、裂缝、凸块及纹理等。这些微小的缺陷并不容易被查觉。现有的缺陷检测方法其中之一是人工以肉眼观察或以双手触摸待检测的结构物件，以判定结构物件是否具有缺陷，例如凹坑、划痕、色差、缺损等。然而，以人工方式检测结构物件是否具有缺陷的效率较差，且极容易发生误判的情形，如此将造成结构物件的良率无法控管。

【发明内容】

在一实施例中，一种基于人工神经网络的物件表面型态的筛选方法，适用于筛选多个物件。于此，基于人工神经网络的物件表面型态的筛选方法包括：以多个预测模型进行多个物件影像的表面型态识别以得到各预测模型的判定缺陷率，其中此些物件影像对应一部分物件的表面型态；以及根据各预测模型的判定缺陷率串接此些预测模型为一人工神经网络系统，以筛选其余物件。

综上所述，根据本案的基于人工神经网络的物件表面型态的筛选方法的实施例，其基于各神经网络的判定缺陷率串接不同训练条件的多个神经网络，以提供精准且快速地分类大量待测物件的人工神经网络系统，同时兼顾较佳的过放(Miss)率。

【附图说明】

图1为根据本发明一实施例的基于人工神经网络的物件表面型态的筛选方法的流程图。

图2为图1中步骤S02的一实施例的示意图。

图3为根据本发明一实施例的人工神经网络系统的示意图。

图4为根据本发明另一实施例的人工神经网络系统的示意图。

图5为图1中的步骤S03的一实施例的示意图。

图6为根据本发明第一实施例的子神经网络系统的训练方法的流程图。

图7为根据本发明第一实施例的子神经网络系统的预测方法的流程图。

图8影像区域的一示范例的示意图。

图9为根据本发明第二实施例的子神经网络系统的训练方法的流程图。

图10为根据本发明第二实施例的子神经网络系统的预测方法的流程图。

图11为根据本发明第三实施例的子神经网络系统的训练方法的流程图。

图12为根据本发明第三实施例的子神经网络系统的预测方法的流程图。

图13为根据本发明第四实施例的子神经网络系统的训练方法的流程图。

图14为根据本发明第四实施例的子神经网络系统的预测方法的流程图。

图15为物件影像的一示范例的示意图。

图16为根据本发明第一实施例的针对物件表面型态的影像扫描系统的示意图。