[發明專利]用于產品檢驗的自動學習方法及系統

在審

• 申請號: 202080024047.5
• 申請日: 2020-06-17
• 公開（公告）號: CN113632140A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 金正燮;金柔貞
• 申請（專利權）人: 樂人株式會社
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08
• 代理公司: 成都超凡明遠知識產權代理有限公司 51258
• 代理人: 魏彥

提出一種用于產品檢驗的自動學習方法及系統，用于產品檢驗的自動學習系統可包括：訓練系統，生成學習數據，所述學習數據被用于學習檢驗產品的缺陷的人工神經網絡；以及檢驗系統，基于生成的學習數據而學習所述人工神經網絡，并且使用學習的人工神經網絡來檢驗所述產品是否有缺陷。

技術領域

本說明書公開的實施例涉及一種用于產品檢驗的自動學習方法及系統，更詳細而言，涉及一種自動學習方法及系統，其可快速有效地學習以執行在生產線上使用人工智能的產品檢驗。

本研究是根據科技信息通信部和信息通信規劃與評估研究所的全球軟件專業企業發展項目的研究成果進行的(IITP-2019-0-01423-002)。

背景技術

隨著計算技術的發展，機器學習的應用增加。尤其是近年來，在機器學習中，以人工神經網絡為代表的深度學習技術發展迅速，并且在多種產業現場的應用案例不斷增多。即使在制造領域，人工神經網絡也創新地改變制造現場。

雖然現有的基于規則(Rule)的測試方式無法檢測生產線上發生的非典型不良，但人工神經網絡可以向人類一樣提取非典型不良。過去，人類在產品的生產線上直接對非典型不良進行不良判斷，但現在，通過使用應用人工神經網絡的機器視覺來判斷產品的不良與否并應用的示例越來越多。

另外，為了識別是否不良，需要人工神經網絡的學習過程。即通常，獲取在生產過程中可能發生的不良產品的圖像，并使用獲取的不良產品的圖像以監督學習方式學習人工神經網絡。

然而，由于生產過程中產品的不良率通常非常低，因此存在難以獲取用于學習人工神經網絡的不良產品的圖像，并且學習人工神經網絡需要很長時間的問題。

與此相關，作為現有技術文獻的韓國專利公開第10-2000-0087346號涉及互聯網人工智能學習及管理方法。描述了如下內容，通過互聯網對教師和學習者進行注冊，教師可以創建并使用想使用的出題和試題，學習者通過從問題數據庫中提題進行學習，并且精確地評估其學習結果，但是無法迅速執行人工智能的學習。

因此，需要為了解決如上所述的問題點的技術。

另一方面，前述的背景技術是發明人為推導本發明而擁有的，或者是推導本發明的過程中學到的技術信息，不能說一定是在申請本發明前向公眾公開的公知技術。

發明內容

要解決的技術問題

本說明書公開的實施例的目的在于，提出一種用于產品檢驗的自動學習方法及系統。

本說明書公開的實施例的目的在于，提出一種用于產品檢驗的自動學習方法及系統。

本說明書公開的實施例的目的在于，提出一種通過組合無監督學習方法和監督學習方法來執行產品檢驗的自動學習方法及系統。

本說明書公開的實施例的目的在于，提出一種用于產品檢驗的自動學習方法及系統，通過基于正常產品的圖像優先執行無監督學習來識別正常產品的同時，累積除了正常產品以外的未分類產品的圖像。

本說明書公開的實施例的目的在于，提出一種用于產品檢驗的自動學習方法及系統，通過對未分類產品的拍攝圖像執行監督學習來精確地檢驗不良與否。

本說明書公開的實施例的目的在于，提出一種用于產品檢驗的自動學習方法及系統，基于未分類產品的拍攝圖像生成用于識別不良產品的學習圖像并學習。

用于解決問題的手段

作為用于解決上述技術問題的技術手段，根據一實施例，在用于產品檢驗的自動學習系統中，可包括：訓練系統，生成學習數據，所述學習數據被用于學習檢驗產品的缺陷的人工神經網絡；以及檢驗系統，基于生成的學習數據而學習所述人工神經網絡，并且使用學習的人工神經網絡來檢驗所述產品是否有缺陷。