[发明专利]物件的瑕疵判断方法及装置

说明书

一种物件的瑕疵判断方法及装置。此方法包括下列步骤。获得受测物件的受测图像。获得受测物件对应的受选择良品范本数据。利用相异度模型计算受测图像及受选择良品范本数据之间的相异度值，并依据所述相异度值判断受测物件为良品或瑕疵品。

技术领域

本发明是有关于一种自动化判断物件瑕疵的技术，且特别是有关于一种利用人工智能演算法自动化进行物件的瑕疵判断方法及实现其的装置。

背景技术

在工业自动化领域中，因工业物联网、协作机器人以及人工智能技术的蓬勃发展，制造业厂商都希望利用自动化机器人、自动光学检查(Automated Optical Inspection；AOI)等图像识别技术来取代人力作业，既节省生产成本还可提高瑕疵辨识率。

然则，由于工业自动化技术在瑕疵判断上都严格按照预定的检测标准进行。当检测标准过高而导致所谓“过杀(许多受检测物件因检测标准过高而视为瑕疵物件)”的情形发生时，便还是需要额外增加人力来对这些被视为瑕疵物件进行二度检测，从而将采用工业自动化技术的仪器过杀的产品重新定义回良好物件。因此，许多公司正尝试将人工智能导入到工业自动化技术中，并期望能让受检测物件的判断结果能够更为准确、迅速且具备一致性。

然而，目前采用的人工智能技术通常是将电路板上不同类型的物件或零件先以人工方式分类，再依据分类后的大量信息以使用机械学习演算法来建立能够区分每种物件或零件是否正常或瑕疵的监督式二元分类模型。若某些类型的物件或零件的数据量不足，人工智能技术难以训练出能够良好分类该种物件/零件瑕疵的模型，从而导致瑕疵判断错误率居高不下。

发明内容

本发明提供一种物件的瑕疵判断方法及装置，其可同时适用于多种物件、电路元件或零件上，并利用三元的人工智能演算法自动化进行物件的瑕疵判断，以使本发明实施例更为泛用且在原有自动光学检查技术的基础上更为降低在瑕疵判断上的错误率。

本发明实施例的物件的瑕疵判断方法包括下列步骤：获得受测物件的受测图像。获得所述受测物件对应的受选择良品范本数据。以及，利用相异度模型计算所述受测图像及所述受选择良品范本数据之间的相异度值，并依据所述相异度值判断所述受测物件为良品或瑕疵品。

本发明实施例的物件的瑕疵判断装置包括物件数据库、图像来源装置以及处理器。物件数据库具备多个物件对应的至少一良品范本数据。图像来源装置获得受测物件的受测图像。处理器耦接物件数据库及图像来源装置。处理器通过图像来源装置获得受测物件的受测图像，获得受测物件对应的训练数据集中的受选择良品范本数据。以及，处理器利用相异度模型计算受测图像及受选择良品范本数据之间的相异度值，并依据相异度值判断受测物件为良品或瑕疵品。

基于上述，本发明实施例利用不同类型的物件/零件建立可共用的机械学习演算法模型以自动地进行物件的瑕疵判断，使其同时适用于多种物件、电路元件或零件上，且在原有自动光学检查技术的基础上更为降低在瑕疵判断上的错误率。因此，本发明实施例不需针对不同物件/零件建立不同的机械学习演算法模型，可减少新产线建立时新物件/零件的瑕疵分类模型研发时间，也可在新物件/零件的良品数据量与瑕疵品数据量不足时仍能够建立较为有效的机械学习演算法模型。并且，在已进行自动光学检查识别技术的基础上进行二度检测，可减少所谓“过杀”的情形。

附图说明

图1是依照本发明的一些实施例的一种物件的瑕疵判断装置的硬件框图。

图2是依照本发明的一些实施例的一种物件的瑕疵判断方法及相应装置的操作示意图。

图3是依照本发明的一些实施例的一种物件的瑕疵判断方法的流程图。

图4A及图4B是利用三元损失监督式学习演算法建立及调整相异度模型f的示意图。

图5是第一实施例的图2中三元损失监督式学习演算法的内部流程示意图。

图6是依照本发明的一些实施例以说明图3步骤S350的流程示意图。