[发明专利]自动检测系统及其操作方法

说明书

本发明公开了一种自动检测系统以及一种自动检测系统的操作方法，该自动检测系统包含机器视觉检测装置、连接机器视觉检测装置的修复站、人工智能模块及连接修复站与人工智能模块的处理平台。机器视觉检测装置可取得待测物的图像，并通过修复站的操作画面进行显示，以及人工智能模块撷取待测物的图像进行分类推断，处理平台用于执行将待测物的图像分类推断的结果数据自动迭加到修复站的操作画面上，并拦截操作员通过用户界面对修复站输入的人工复判的结果数据，再发送给人工智能模块以作为后续自动化进行分类模型再训练学习的数据。

技术领域

本发明提供一种系统与方法，且特别是有关于一种自动检测系统及其操作方法。

背景技术

随着科技进步，使电子零件的尺寸缩小化而精密度则要求日益提高，故为了确保产品的合格率提升，在现代化制程中，需要在各个重要站点进行检测，以利及早抓出具有瑕疵或缺陷的不合格品，并减少制程资源的浪费，提升产线的产量及合格率，但也让制程消耗的时间会随着多站检测而增加，因此，为了加速检测的时间，自动视觉检测与自动光学检测等自动化检测技术，便成为制程中不可或缺的角色。

而一般自动化检测设备为普遍应用在电路板组装生产线的外观检查，并取代以往的人工目检作业，例如可用来检测电路板上的零件焊锡、组装后的质量状况，其基本的原理是利用影像技术来比对待测物与标准影像是否有过大差异，以判断待测物是否有符合标准，但传统的自动化检测设备常因色差、高度落差等因素，造成误报率过高，反而增加了事后人力替异常的检测进行复检及处理成本的浪费。

然而，随着现代的工业4.0与智能制造的兴起，并在讲究生产效率与质量的智能工厂中，质量检测是确保产线合格率与产品质量最重要的程序之一，为了提升检测作业的准确率，过去多用自动化检测设备来协助现场端产线人员作业，但是随着人工智能技术的应用日渐成为主流，逐渐成熟的人工智能技术也开始与自动化检测设备作整合，通过机械学习或深度学习算法，使自动化检测设备的瑕疵检测更精准，以降低自动化检测设备的误报率、节省大量人力成本，但是该制造业者所采用的机械学习或深度学习都需要先经过训练模式，再将训练结果下载至现场端自动化检测设备或终端设备应用的推论模式，而在训练模式的建立，最大的问题就是良好样本与瑕疵样本取得的比例相差悬殊，瑕疵样本的不足，也将导致难以有效训练能够辨识瑕疵的模型。

是以，在现今智能工厂自动化生产的时代，随着人工智能技术的应用日渐成为主流，要如何将人工智能技术导入自动化检测设备，以进一步降低漏检率或误报率，使整体检测流程缩短、节省大量人力成本和提升产线的产量及合格率，同时可收集现场端人工复判的结果作为后续模型训练的数据，以提升对待测物分类判断或辨识的精准度，让检测的质量更臻完善，则有待从事此行业者重新设计来加以解决。

发明内容

本发明的主要目的在于自动检测系统采用非侵入式设计可在产线不停机的状态下安装，并导入产线中已有的机器视觉检测装置，当机器视觉检测装置检测出具有瑕疵的待测物图像时，可由人工智能模块以深度学习算法自动进行瑕疵的分类推断，并由处理平台将人工智能模块对待测物的图像分类推断的结果，以自动插入或填写的方式迭加到修复站的操作画面上进行显示，以减少人工所需要检测的项目，让操作员可专注于复判，并提升作业的质量，当操作员进行复判时，处理平台便会拦截操作员通过输入单元输入的人工复判的结果数据，再发送给人工智能模块作为后续自动化进行分类模型再训练学习所需的数据，以进一步降低自动检测系统的误报率，让检测的质量更臻完善。