自动光学检测图片分析方法及设备技术

本发明专利技术公开一种自动光学检测图片分析方法及设备。该自动光学检测图片分析方法，包括：获取自动光学检测AOI图片；获取由人工智能AI程序经过深度学习算法训练得到的图片判别式；根据所述图片判别式对所述AOI图片进行识别。本发明专利技术提供的方案，能大大提高AOI图片分析效率，降低成本。

【技术实现步骤摘要】
自动光学检测图片分析方法及设备
本专利技术涉及平板显示
，具体涉及一种自动光学检测图片分析方法及设备。
技术介绍
随着显示技术的发展，出现了各种各样的显示器产品，例如LCD(LiquidCrystalDisplay，液晶显示器)和OLED(OrganicLightEmittingDiode，有机发光二极管)显示器等，其中TFT(ThinFilmTransistor，薄膜晶体管)液晶显示器产品在目前市场中也占有重要位置。在TFT液晶显示器行业，对AOI(AutomaticOpticInspection，自动光学检测)图片分析需求巨大，产品的各种缺陷一般都需通过AOI图片分析发现。AOI是新兴起的一种新型检测技术，基于光学原理来对相关产品例如面板产品等遇到的常见缺陷进行检测，其通过摄像头自动扫描，采集图像生成AOI图片。目前产品检测中，每天几乎产生上万张AOI图片，然后对这些AOI图片进行分析，发现其中存在的缺陷。但是，目前对AOI图片的分析基本都是采用人工判断，效率很低，也无法从海量数据中快速总结规律。AI(ArtificialIntelligence，人工智能)，是一门是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。在2012结合深度学习算法和大数据后，AI图片识别技术也取得巨大进步，图片识别错误率不断下降，在2015年公开的图片识别错误率已低于3.57％，但与突破性技术进步形成反差的是转化为实际应用的比例仍很小。AI技术特别是图片识别技术取得图片性发展主要是得益于大数据的使用和深度学习的运用。深度学习(也为深度结构学习、层次学习或深度机器学习)是一类算法集合，是机器学习的一个分支。它尝试为数据的高层次摘要进行建模。典型的深度学习结构有深度前馈网络、卷积神经网络、递归神经网络等。平板显示行业目前还未出现将AOI技术与AI技术结合的检测分析方案，因此，业界希望能将AOI技术与AI技术相结合，提供一种新的能极大提高分析效率的自动光学检测图片分析方法。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种自动光学检测图片分析方法及设备，能大大提高AOI图片分析效率，降低成本。根据本专利技术的一个方面，提供一种自动光学检测图片分析方法，包括：获取自动光学检测AOI图片；获取由人工智能AI程序经过深度学习算法训练得到的图片判别式；根据所述图片判别式对所述AOI图片进行识别。优选的，所述图片判别式按照以下方式预先生成：获取输入的给定图片；由所述AI程序对所述获取的给定图片进行设定运算，得到所述给定图片的特征值或特征函数；根据给定图片的图片标记与所述给定图片的每个特征值或特征函数生成图片判别式，形成所述给定图片的图片判别式集合；通过校验处理，从所述图片判别式集合中择优选择供识别使用的图片判别式。优选的，所述由所述AI程序对所述获取的给定图片进行设定运算，包括：由所述AI程序对获取的给定图片进行确定函数运算和/或不确定函数运算。优选的，所述由所述AI程序对获取的给定图片进行确定函数运算，包括：由所述AI程序对获取的给定图片进行像素数据分析运算、色块分析运算、形状分析运算、卷积神经网络运算、递归神经网络运算、拓扑运算或重构运算。优选的，所述由所述AI程序对获取的给定图片进行不确定函数的运算，包括：由所述AI程序对获取的给定图片按以下不确定函数公式运算：函数Y＝a1？a2...？an＝f(a1，a2，...an)；其中，所述an为所述AI程序从进行确定函数运算得到的数据中随机选取的数据，所述？为从加、减、乘、除、积分或求导运算中随机选取的运算符号。优选的，所述获取输入的给定图片，包括：获取输入的AOI图片；或，获取输入的AOI图片和产品目标图形。优选的，在由所述AI程序对获取的给定图片进行确定函数运算的情况下，当通过校验处理，从所述图片判别式集合中择优选择供识别使用的图片判别式未满足设定要求时，所述方法还包括：返回由所述AI程序对获取的给定图片进行设定运算的步骤，其中所述进行设定运算为进行不确定函数运算；和/或，根据产品目标图形，对择优选择的供识别使用的图片判别式进行优化，得到优化后的供识别使用的图片判别式。优选的，所述方法还包括：根据对所述AOI图片进行识别的识别结果，查询由所述AI程序经过训练得到的工艺流程信息库，输出与所述识别结果映射对应的工艺流程信息；或者，根据所述获取的AOI图片及对所述AOI图片进行识别的识别结果，生成模拟电路，运行所述模拟电路，输出运行结果。根据本专利技术的另一个方面，提供一种自动光学检测图片分析设备，包括：图片获取模块，用于获取自动光学检测AOI图片；判别式获取模块，用于获取由人工智能AI程序经过深度学习算法训练得到的图片判别式；分析识别模块，用于根据所述判别式获取模块获取的图片判别式对所述图片获取模块获取的AOI图片进行识别。优选的，所述设备还包括判别式生成模块、流程识别模块或电路模拟模块；其中，所述判别式生成模块，用于生成图片判别式，包括：获取输入的给定图片；由所述AI程序对所述获取的给定图片进行设定运算，得到所述给定图片的特征值或特征函数；根据给定图片的图片标记与所述给定图片的每个特征值或特征函数生成图片判别式，形成所述给定图片的图片判别式集合；通过校验处理，从所述图片判别式集合中择优选择供识别使用的图片判别式；所述判别式获取模块从所述判别式生成模块获取图片判别式；流程识别模块，用于根据所述分析识别模块对所述AOI图片进行识别的识别结果，查询由所述AI程序经过训练得到的工艺流程信息库，输出与所述识别结果映射对应的工艺流程信息；电路模拟模块，用于根据所述图片获取模块获取的AOI图片及所述分析识别模块对所述AOI图片进行识别的识别结果，生成模拟电路，运行所述模拟电路，输出运行结果。可以发现，本专利技术实施例的技术方案，是获取由人工智能AI程序经过深度学习算法训练得到的图片判别式，再根据所述图片判别式对所述AOI图片进行识别，因为图片判别式是由AI程序经过AI算法训练得到，这样就相当于于利用AI算法来代替人工判定，相对于现有技术中AOI测试产生大量的图片均需人工进行判定导致效率低下的问题，本专利技术提供的方案，在平板显示行业内首次将AOI技术与AI技术结合，利用AI程序和深度学习算法生成可以用于自动识别图片的判别式，不仅能节省大量人力，而且能大幅提升数据的分析量，提高分析效率和准确性，从而发现更多平时不能发现的规律或结果，快速应对缺陷，提升产品良率。本专利技术方案并不依赖将固定的规律写进AI程序来完成图片识别，只需给予AI程序大量AOI图片数据进行训练，通过自我学习和总结，就可以得出识别结果。进一步的，本专利技术实施例可以利用像素数据分析、色块分析、形状分析、神经网络算法、递归运算、拓扑运算等，对图片特征进行分析，构成判别式，另外还可以再通过不断增加图片数据来不断优选判别式，根据选择的判别式对AOI图片进行识别分析。进一步的，本专利技术实施例还可以根据对所述AOI图片进行识别的识别结果，查询由人工智能AI程序经本文档来自技高网...

【技术保护点】
1.一种自动光学检测图片分析方法，其特征在于，包括：获取自动光学检测AOI图片；获取由人工智能AI程序经过深度学习算法训练得到的图片判别式；根据所述图片判别式对所述AOI图片进行识别。

【技术特征摘要】
1.一种自动光学检测图片分析方法，其特征在于，包括：获取自动光学检测AOI图片；获取由人工智能AI程序经过深度学习算法训练得到的图片判别式；根据所述图片判别式对所述AOI图片进行识别。2.根据权利要求1所述的方法，其特征在于，所述图片判别式按照以下方式预先生成：获取输入的给定图片；由所述AI程序对所述获取的给定图片进行设定运算，得到所述给定图片的特征值或特征函数；根据给定图片的图片标记与所述给定图片的每个特征值或特征函数生成图片判别式，形成所述给定图片的图片判别式集合；通过校验处理，从所述图片判别式集合中择优选择供识别使用的图片判别式。3.根据权利要求2所述的方法，其特征在于，所述由所述AI程序对所述获取的给定图片进行设定运算，包括：由所述AI程序对获取的给定图片进行确定函数运算和/或不确定函数运算。4.根据权利要求3所述的方法，其特征在于，所述由所述AI程序对获取的给定图片进行确定函数运算，包括：由所述AI程序对获取的给定图片进行像素数据分析运算、色块分析运算、形状分析运算、卷积神经网络运算、递归神经网络运算、拓扑运算或重构运算。5.根据权利要求3所述的方法，其特征在于，所述由所述AI程序对获取的给定图片进行不确定函数的运算，包括：由所述AI程序对获取的给定图片按以下不确定函数公式运算：函数Y＝a1？a2...？an＝f(a1，a2，...an)；其中，所述an为所述AI程序从进行确定函数运算得到的数据中随机选取的数据，所述？为从加、减、乘、除、积分或求导运算中随机选取的运算符号。6.根据权利要求2所述的方法，其特征在于，所述获取输入的给定图片，包括：获取输入的AOI图片；或，获取输入的AOI图片和产品目标图形。7.根据权利要求3所述的方法，其特征在于：在由所述AI程序对获取的给定图片进行确定函数运算的情况下，当通过校验处理，从所述图片判别式集合中择优选择供识别使用的图片判别式未满足设...

【专利技术属性】
技术研发人员：陈建伦，徐阳，刘力明，黄伟东，李建华，
申请(专利权)人：信利惠州智能显示有限公司，
类型：发明
国别省市：广东,44