[发明专利]缺陷判断训练方法及其的系统及缺陷判断方法及其的系统

说明书

缺陷判断训练方法包括以下步骤。首先，获取光学膜的图像，图像包含一缺陷区。然后，取得缺陷区的缺陷边界的多个边界点沿方向的多个座标值。然后，取得此些座标值的平均座标值。然后，取得各座标值与平均座标值的差值。然后，依据此些差值的最大者，决定图像中做为缺陷判断机器学习的区域。

技术领域

本发明是有关于一种训练方法及应用其的系统以及判断方法及应用其的系统，且特别是有关于一种缺陷判断训练方法及应用其的系统以及缺陷判断方法及应用其的系统。

背景技术

习知光学膜在制作完成后必须以人工肉眼观察方式，观察光学膜是否具有缺陷以及缺陷种类。然而，人工肉眼观察方式容易造成误判。因此，提出一种新的可增加判断准确度的缺陷判断技术是本技术领域业者努力的目标之一。

发明内容

本发明实施例提出一种缺陷判断训练方法及应用其的系统以及缺陷判断方法及应用其的系统，可改善上述问题。

本发明一实施例提出一种缺陷判断训练方法。缺陷判断训练方法包括以下步骤。获取一光学膜的一侧面的一图像，图像包含一缺陷区及一边界基准线，缺陷区相对于边界基准线突出或内陷；取得缺陷区的一缺陷边界的多个边界点沿一方向的多个座标值；取得此些座标值的一平均座标值；取得各座标值与平均座标值的一差值；以及，依据此些差值的最大者，决定图像中做为缺陷判断机器学习的区域。

本发明另一实施例提出一种缺陷判断训练系统。缺陷判断训练系统包括一摄像器及一缺陷判断机器学习器。摄像器用以获取一光学膜一侧面的一图像，图像包含一缺陷区及一边界基准线，缺陷区相对于边界基准线突出或内陷。缺陷判断机器学习器用以：取得缺陷区的一缺陷边界的多个边界点沿一方向的多个座标值；取得此些座标值的一平均座标值；取得各座标值与平均座标值的一差值；以及，依据此些差值的最大者，决定图像中做为缺陷判断机器学习的区域。

本发明一实施例提出一种缺陷判断方法。缺陷判断方法包括以下步骤。获取一光学膜的一图像，图像具有一待判定缺陷区；以及依据一缺陷判断模型，执行以下步骤：分析待判定缺陷区，并产生待判定缺陷区相对于多个缺陷类型的各者的一相似度分数；判断此些相似度分数中最高者所对应的缺陷类型是否属于此些缺陷类型的一特定者；当最高者所对应的缺陷类型属于特定者，判断最高者是否大于一预设值；当最高者大于预设值，判定待判定缺陷区属于特定者；以及，当最高者不大于预设值，判定待判定缺陷区属于此些缺陷类型的另一者；

其中，该缺陷判断模型采用上述的缺陷判断训练方法所产生。

本发明一实施例提出一种缺陷判断系统。缺陷判断系统包括一摄像器及一缺陷判断器。摄像器用以获取一光学膜的图像，图像具有一待判定缺陷区。缺陷判断器用以依据一缺陷判断模型，执行：分析待判定缺陷区，并产生待判定缺陷区相对于多个缺陷类型的各者的一相似度分数；判断此些相似度分数中最高者所对应的缺陷类型是否属于此些缺陷类型的一特定者；当最高者所对应的缺陷类型属于特定者，判断最高者是否大于一预设值；当最高者大于预设值，判定待判定缺陷区属于特定者；以及，当最高者不大于预设值，判定待判定缺陷区属于此些缺陷类型的另一者；其中，该缺陷判断模型采用如前述的缺陷判断训练方法所产生。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为依照本发明一实施例的缺陷判断训练系统的功能方块图。

图2A～2F为依照本发明实施例的光学膜可能发生的数种实害缺陷类型的图像。

图2G～2H为依照本发明实施例的光学膜可能发生的数种非实害缺陷类型的图像。

图3A～3B为图1的缺陷判断训练系统的缺陷判断方法的流程图。

图4为依照本发明一实施例的缺陷判断系统的功能方块图。

图5为图4的缺陷判断系统的缺陷判断方法的流程图。