[發明專利]物件的瑕疵判斷方法及裝置

在審

• 申請號: 202010080289.8
• 申請日: 2020-02-05
• 公開（公告）號: CN113125440A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 林政衛
• 申請（專利權）人: 緯創資通股份有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06K9/62
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 李芳華

1.一種物件的瑕疵判斷方法，包括：

獲得受測物件的受測圖像；

獲得所述受測物件對應的受選擇良品范本數據；以及

利用相異度模型計算所述受測圖像及所述受選擇良品范本數據之間的相異度值，并依據所述相異度值判斷所述受測物件為良品或瑕疵品。

2.如權利要求1所述的物件的瑕疵判斷方法，還包括：

獲得多個物件對應的多個訓練數據集，每個訓練數據集包括對應物件的至少一瑕疵品數據、至少一良品數據以及至少一良品范本數據；以及

基于所述訓練數據集中各個物件的所述至少一瑕疵品數據、所述至少一良品數據以及所述良品范本數據來訓練所述相異度模型。

3.如權利要求2所述的物件的瑕疵判斷方法，其中該相異度模型通過三元損失監督式學習演算法訓練完成，

訓練所述相異度模型包括：

將所述物件對應的所述訓練數據集以及權重放入第一特征模型，以獲得特征向量；

通過三元損失函數以及所述特征向量計算所述物件的三元損失值；

加總各個所述物件對應的多個所述三元損失值，以獲得所述訓練數據集的總和三元損失值；

利用反向傳播法計算得到所述三元損失值與所述權重的梯度，并利用梯度下降法以及所述梯度來對所述權重進行迭代運算，進而獲得經迭代權重；以及

利用所述經迭代權重重新訓練所述相異度模型，

其中所述經迭代權重相較于所述權重具有更小的所述總和三元損失值，并且響應于多次訓練后所述總和三元損失值趨近于定值時，代表所述相異度模型訓練完成且將所述經迭代權重視為經訓練權重，所述相異度模型將使用所述經訓練權重計算所述受測圖像及所述受選擇良品范本數據之間的所述相異度值。

4.如權利要求3所述的物件的瑕疵判斷方法，其中所述權重由第一層卷積神經網絡的卷積核、第二層卷積神經網絡的卷積核以及第三層卷積神經網絡的全連接層的多種權重組合而成。

5.如權利要求3所述的物件的瑕疵判斷方法，利用所述相異度模型計算所述受測圖像及所述受選擇良品范本數據之間的相異度值包括：

獲得所述經訓練權重，并依據所述經訓練權重建構第二特征模型；

將所述受選擇良品范本數據放入所述第二特征模型，以獲得所述受選擇良品范本數據的第一特征向量；

將所述受測物件的所述受測圖像放入所述第二特征模型，以獲得所述受測物件的第二特征向量；以及

依據所述第一特征向量及所述第二特征向量計算所述相異度值，

其中，所述相異度值為，將所述第一特征向量減去所述第二特征向量后取絕對值再進行平方的數值。

6.如權利要求1所述的物件的瑕疵判斷方法，依據所述相異度值判斷所述受測物件為良品或瑕疵品包括：

當所述相異度值高于閥值時，判斷所述受測物件為瑕疵品；以及

當所述相異度值低于所述閥值時，判斷所述受測物件為良品。

7.如權利要求1所述的物件的瑕疵判斷方法，其中所述相異度模型使所述瑕疵品數據的群集與所述良品范本數據的相異度高于所述良品數據的群集與所述良品范本數據的相異度。

8.如權利要求1所述的物件的瑕疵判斷方法，其中所述至少一瑕疵品數據、所述至少一良品數據以及所述一良品范本數據都為圖像數據。

9.如權利要求1所述的物件的瑕疵判斷方法，其中所述物件是使用于電路板上的電路元件。