[发明专利]瑕疵检测方法、瑕疵分类方法及其系统

权利要求书

1.一种瑕疵检测方法，其特征在于，所述的方法包括：

取得多个合格品的多张影像；

执行一机器学习法，学习所述多个合格品中的影像特征，建立用以描述合格品影像特征的一合格品模型；

拍摄一待测物以取得所述待测物的一或多张影像；

应用所述合格品模型取得所述待测物的一或多张影像中的瑕疵数据；以及

根据检测参数，对照所述待测物的一或多张影像中的瑕疵数据，判断所述待测物是否为一瑕疵品。

2.如权利要求1所述的瑕疵检测方法，其特征在于，得出所述待测物的瑕疵数据根据所述待测物的属性包括一或多个瑕疵的位置、面积、颜色、亮度以及形状的其中的一个或任意组合。

3.如权利要求2所述的瑕疵检测方法，其特征在于，当取得所述一或多个瑕疵的位置后，以裁切影像的方式得出多个瑕疵位置区块，于后续进行一深度学习法时，能大幅提升深度学习效率。

4.如权利要求3所述的瑕疵检测方法，其特征在于所述的待测物的各项瑕疵数据对照检测参数中对于各项瑕疵数据设定的阈值，以判断所述待测物是否为一瑕疵品，其中根据各项瑕疵数据设定的阈值判断的瑕疵类型至少包括脏污、缺漏、破损、颜色变化以面积变化。

5.如权利要求4所述的瑕疵检测方法，其特征在于，根据各项瑕疵数据设定的阈值，根据事先定义的瑕疵类别，执行所述深度学习法，以分类瑕疵。

6.如权利要求1所述的瑕疵检测方法，其特征在于，于拍摄所述待测物影像的步骤中，以连续拍摄取得所述待测物多张影像后，动态定位所述待测物的位置，并精准定位所述多张影像中的同一个检测区块，以标示其中多个瑕疵位置与特征信息。

7.如权利要求6所述的瑕疵检测方法，其特征在于，于定位检测区块时，能选择固定或任意形状框选检测范围。

8.如权利要求1至7中任一项所述的瑕疵检测方法，其特征在于，于取得所述合格品影像后，切割为多个区块影像，再以所述机器学习法学习各区块影像中合格品影像特征，形成描述合格品影像特征的所述合格品模型以各区块正常分布标准表示。

9.如权利要求8所述的瑕疵检测方法，其特征在于，所述的各区块正常分布标准包括各像素的强度、面积与颜色的特征分布。

10.一种瑕疵分类方法，其特征在于，所述的方法包括：

取得多个合格品的多张影像；

执行一机器学习法，学习所述多个合格品中的影像特征，建立用以描述合格品影像特征的一合格品模型；

拍摄多个待测物以取得所述多个待测物的多张影像；

应用所述合格品模型从所述多个待测物取得具有瑕疵数据的多张图文件；以及

根据事先定义的瑕疵类别，将所述多张图文件中的瑕疵影像执行一深度学习法，以分类瑕疵，产生所述多张图文件中的瑕疵类别，建立各分类瑕疵项目；

取得再一待测物的一或多张影像；以及

应用所述合格品模型取得所述待测物的一或多张影像中的瑕疵数据，并根据所述瑕疵类别以分类所述待测物的瑕疵。

11.如权利要求10所述的瑕疵分类方法，其特征在于，得出所述待测物的瑕疵数据根据所述待测物的属性包括一或多个瑕疵的位置、面积、颜色、亮度以及形状的其中的一个或任意组合。

12.如权利要求10或11所述的瑕疵分类方法，其特征在于，于取得所述合格品影像后，切割为多个区块影像，再以所述机器学习法学习各区块影像中合格品影像特征，形成描述合格品影像特征的所述合格品模型以各区块正常分布标准表示。

13.如权利要求12所述的瑕疵分类方法，其特征在于，于拍摄所述待测物影像的步骤中，以连续拍摄取得所述待测物多张影像后，动态定位所述被测物的位置，并精准定位所述多张影像中的同一个检测区块，以标示其中多个瑕疵位置与特征信息。