[发明专利]自动光学检测方法、自动光学检测系统及记录媒体

说明书

本发明提供一种自动光学检测方法、系统及记录媒体。此方法经由光学镜头获取待测物的原始图像，其中原始图像包括多个第一图像；对原始图像执行边缘检测，以获得具有边缘图案的边缘图像，其中边缘图像包括多个第二图像；计算第二图像中像素值的最大值、最小值及平均值至少其中之一；根据单位面积分割边缘图像为多个图像区块，并根据图像区块中包括的多个第二图像对应的最大值、最小值及平均值至少其中之一计算多个特征值；以及根据特征值与待测物数据训练对应待测物缺陷的回归模型以获得最佳回归模型。

技术领域

本发明涉及一种缺陷检测技术，尤其涉及一种自动光学检测方法、自动光学检测系统及记录媒体。

背景技术

在电子元件出厂前，一般是由资深目检人员对其进行肉眼检测，以对所生产的电子元件是否存在缺陷或对电子元件是否平坦等判断条件进行确认。例如，在判定碳化硅(SiC)圆片的平坦度时，通常会采用雾度(Haze)值作为平坦度的指标。一般而言，Haze值的检测是通过人眼对碳化硅圆片进行人工的判读。

然而，由目检人员进行肉眼检测常会因为其主观判读而造成误判。因此如何避免依靠肉眼检测而造成检测结果过于主观的问题，实为本领域技术人员所关心的议题。

发明内容

本发明提供一种自动光学检测方法、自动光学检测系统及记录媒体，可提升对于分类模型的训练效率以及光学检测装置对于缺陷的检测准确度。

一种自动光学检测方法，适用于包括光学镜头及处理器的光学检测系统，包括：经由所述光学镜头获取待测物的原始图像，其中所述原始图像包括多个第一图像；对所述原始图像执行边缘检测，以获得具有边缘图案的边缘图像，其中所述边缘图像包括具有边缘图案的多个第二图像；计算所述多个第二图像中像素值的最大值、最小值及平均值至少其中之一；根据单位面积分割所述边缘图像为多个图像区块，并根据所述多个图像区块中包括的所述多个第二图像对应的所述最大值、所述最小值及所述平均值至少其中之一计算多个特征值；以及根据所述多个特征值与待测物数据训练对应待测物缺陷的回归模型以获得最佳回归模型。

在本发明的一范例实施例中，上述多个特征值包括标准差、变异系数、平均数、全距、平均绝对偏差至少其中之一。

在本发明的一范例实施例中，上述待测物数据包括预期输出，并且根据所述多个特征值与所述待测物数据训练对应待测物缺陷的所述回归模型以获得所述最佳回归模型的步骤包括：将所述多个特征值及所述预期输出作为输入数据输入至所述回归模型以训练所述回归模型，并产生对应所述多个特征值的多个权重。

在本发明的一范例实施例中，上述自动光学检测方法，更包括：基于经训练的所述回归模型根据所述多个权重对所述多个特征值进行分类以产生对应所述多个特征值的分类结果；以及将所述分类结果与所述预期输出进行比对以判断所述分类结果是否符合预期。

在本发明的一范例实施例中，上述自动光学检测方法，更包括：若所述分类结果符合预期，则设定所述经训练的所述回归模型为所述最佳回归模型，并且若所述分类结果不符合预期，则重新选择用于训练所述回归模型的多个特征值，并重新训练所述回归模型。

在本发明的一范例实施例中，上述自动光学检测方法，更包括：基于所述最佳回归模型对第三图像进行分类，以产生对应所述第三图像的分类结果。

一种自动光学检测系统，包括光学镜头及处理器。光学镜头经配置以获取待测物的原始图像，其中所述原始图像包括多个第一图像。处理器耦接所述光学镜头，经配置以：对所述原始图像执行边缘检测，以获得具有边缘图案的边缘图像，其中所述边缘图像包括具有边缘图案的多个第二图像；计算所述多个第二图像中像素值的最大值、最小值及平均值至少其中之一；根据单位面积分割所述边缘图像为多个图像区块，并根据所述多个图像区块中包括的所述多个第二图像对应的所述最大值、所述最小值及所述平均值至少其中之一计算多个特征值；以及根据所述多个特征值与待测物数据训练对应待测物缺陷的回归模型以获得最佳回归模型。