[發(fā)明專利]物件的瑕疵判斷方法及裝置

在審

• 申請?zhí)枺?/td>: 202010080289.8
• 申請日: 2020-02-05
• 公開（公告）號: CN113125440A
• 公開（公告）日: 2021-07-16
• 發(fā)明（設(shè)計(jì)）人: 林政衛(wèi)
• 申請（專利權(quán)）人: 緯創(chuàng)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(wù)所 11105
• 代理人: 李芳華

一種物件的瑕疵判斷方法及裝置。此方法包括下列步驟。獲得受測物件的受測圖像。獲得受測物件對應(yīng)的受選擇良品范本數(shù)據(jù)。利用相異度模型計(jì)算受測圖像及受選擇良品范本數(shù)據(jù)之間的相異度值，并依據(jù)所述相異度值判斷受測物件為良品或瑕疵品。

技術(shù)領(lǐng)域

本發(fā)明是有關(guān)于一種自動化判斷物件瑕疵的技術(shù)，且特別是有關(guān)于一種利用人工智能演算法自動化進(jìn)行物件的瑕疵判斷方法及實(shí)現(xiàn)其的裝置。

背景技術(shù)

在工業(yè)自動化領(lǐng)域中，因工業(yè)物聯(lián)網(wǎng)、協(xié)作機(jī)器人以及人工智能技術(shù)的蓬勃發(fā)展，制造業(yè)廠商都希望利用自動化機(jī)器人、自動光學(xué)檢查(Automated Optical Inspection；AOI)等圖像識別技術(shù)來取代人力作業(yè)，既節(jié)省生產(chǎn)成本還可提高瑕疵辨識率。

然則，由于工業(yè)自動化技術(shù)在瑕疵判斷上都嚴(yán)格按照預(yù)定的檢測標(biāo)準(zhǔn)進(jìn)行。當(dāng)檢測標(biāo)準(zhǔn)過高而導(dǎo)致所謂“過殺(許多受檢測物件因檢測標(biāo)準(zhǔn)過高而視為瑕疵物件)”的情形發(fā)生時，便還是需要額外增加人力來對這些被視為瑕疵物件進(jìn)行二度檢測，從而將采用工業(yè)自動化技術(shù)的儀器過殺的產(chǎn)品重新定義回良好物件。因此，許多公司正嘗試將人工智能導(dǎo)入到工業(yè)自動化技術(shù)中，并期望能讓受檢測物件的判斷結(jié)果能夠更為準(zhǔn)確、迅速且具備一致性。

然而，目前采用的人工智能技術(shù)通常是將電路板上不同類型的物件或零件先以人工方式分類，再依據(jù)分類后的大量信息以使用機(jī)械學(xué)習(xí)演算法來建立能夠區(qū)分每種物件或零件是否正常或瑕疵的監(jiān)督式二元分類模型。若某些類型的物件或零件的數(shù)據(jù)量不足，人工智能技術(shù)難以訓(xùn)練出能夠良好分類該種物件/零件瑕疵的模型，從而導(dǎo)致瑕疵判斷錯誤率居高不下。

發(fā)明內(nèi)容

本發(fā)明提供一種物件的瑕疵判斷方法及裝置，其可同時適用于多種物件、電路元件或零件上，并利用三元的人工智能演算法自動化進(jìn)行物件的瑕疵判斷，以使本發(fā)明實(shí)施例更為泛用且在原有自動光學(xué)檢查技術(shù)的基礎(chǔ)上更為降低在瑕疵判斷上的錯誤率。

本發(fā)明實(shí)施例的物件的瑕疵判斷方法包括下列步驟：獲得受測物件的受測圖像。獲得所述受測物件對應(yīng)的受選擇良品范本數(shù)據(jù)。以及，利用相異度模型計(jì)算所述受測圖像及所述受選擇良品范本數(shù)據(jù)之間的相異度值，并依據(jù)所述相異度值判斷所述受測物件為良品或瑕疵品。

本發(fā)明實(shí)施例的物件的瑕疵判斷裝置包括物件數(shù)據(jù)庫、圖像來源裝置以及處理器。物件數(shù)據(jù)庫具備多個物件對應(yīng)的至少一良品范本數(shù)據(jù)。圖像來源裝置獲得受測物件的受測圖像。處理器耦接物件數(shù)據(jù)庫及圖像來源裝置。處理器通過圖像來源裝置獲得受測物件的受測圖像，獲得受測物件對應(yīng)的訓(xùn)練數(shù)據(jù)集中的受選擇良品范本數(shù)據(jù)。以及，處理器利用相異度模型計(jì)算受測圖像及受選擇良品范本數(shù)據(jù)之間的相異度值，并依據(jù)相異度值判斷受測物件為良品或瑕疵品。

基于上述，本發(fā)明實(shí)施例利用不同類型的物件/零件建立可共用的機(jī)械學(xué)習(xí)演算法模型以自動地進(jìn)行物件的瑕疵判斷，使其同時適用于多種物件、電路元件或零件上，且在原有自動光學(xué)檢查技術(shù)的基礎(chǔ)上更為降低在瑕疵判斷上的錯誤率。因此，本發(fā)明實(shí)施例不需針對不同物件/零件建立不同的機(jī)械學(xué)習(xí)演算法模型，可減少新產(chǎn)線建立時新物件/零件的瑕疵分類模型研發(fā)時間，也可在新物件/零件的良品數(shù)據(jù)量與瑕疵品數(shù)據(jù)量不足時仍能夠建立較為有效的機(jī)械學(xué)習(xí)演算法模型。并且，在已進(jìn)行自動光學(xué)檢查識別技術(shù)的基礎(chǔ)上進(jìn)行二度檢測，可減少所謂“過殺”的情形。

附圖說明

圖1是依照本發(fā)明的一些實(shí)施例的一種物件的瑕疵判斷裝置的硬件框圖。

圖2是依照本發(fā)明的一些實(shí)施例的一種物件的瑕疵判斷方法及相應(yīng)裝置的操作示意圖。

圖3是依照本發(fā)明的一些實(shí)施例的一種物件的瑕疵判斷方法的流程圖。

圖4A及圖4B是利用三元損失監(jiān)督式學(xué)習(xí)演算法建立及調(diào)整相異度模型f的示意圖。

圖5是第一實(shí)施例的圖2中三元損失監(jiān)督式學(xué)習(xí)演算法的內(nèi)部流程示意圖。

圖6是依照本發(fā)明的一些實(shí)施例以說明圖3步驟S350的流程示意圖。