影像特征自动辨识装置、系统及方法制造方法及图纸

本发明专利技术涉及一种影像特征自动辨识装置、系统及方法。所述影像特征自动辨识方法包括下列步骤：对分别具有不同的影像特征的多个样品图像进行图像处理程序，并分别将图像处理程序所产生的图像处理结果与标准图像进行叠合以产生扩增的多个样品图像；将扩增前、后的多个样品图像提供给深度学习系统，以建立影像特征自动辨识算法，其包括有针对影像特征的辨识标准；撷取待检测物的待测图像，以影像特征自动辨识算法对待测图像进行分析，并根据辨识标准判断待测图像是否具有影像特征。有效地运用影像特征自动辨识技术改善制程减少瑕疵，节省大量的时间与成本。

\u5f71\u50cf\u7279\u5f81\u81ea\u52a8\u8fa8\u8bc6\u88c5\u7f6e\u3001\u7cfb\u7edf\u53ca\u65b9\u6cd5

The invention relates to an automatic image feature identification device, system and method. The automatic image feature recognition method includes the following steps: image processing program is applied to multiple sample images with different image features, and image processing results generated by the image processing program are superimposed with standard images to generate multiple sample images for amplification; multiple sample images before and after the amplification are provided to the depth learning system to establish the image. The image feature automatic identification algorithm includes the identification criteria for image features, the image to be detected is captured, the image to be measured is analyzed by the image feature automatic identification algorithm, and whether the image to be tested has image features is judged according to the identification criteria. Effective use of automatic image feature recognition technology to improve the process to reduce defects, save a lot of time and cost.

【技术实现步骤摘要】
影像特征自动辨识装置、系统及方法
本专利技术涉及一种影像特征自动辨识装置、系统及方法，特别是涉及一种将用于深度学习系统的样品图像先进行扩增的影像特征自动辨识装置、系统及方法。
技术介绍
随着机器学习(MachineLearning)技术的日趋成熟，无论在影像识别、语音识别或自然语言处理等各方面，都有了更加多样化的应用。其中，影像辨识技术与机器学习技术的结合尤其出色，除了在基本的手写文字辨识、对象识别以及人脸辨识等应用之外，深度学习(DeepLearning)和影像辨识整合的技术，也时常结合自动光学检测(AutomatedOpticalInspection，简称AOI)系统，而被应用在产品生产过程中的产品质量管控。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。很显然，为了确保深度学习所产生出来的算法能够正确地判别未知数据，必须在深度学习的训练过程(Training)中提供大量的样品数据，尤其是，大量有标记(Label)的样品数据，以便深度学习的模型(model)能够充分且正确地学习到判别的关键。然而，大量样品的搜集并非易事，尤其当深度学习系统被应用在产本文档来自技高网...

【技术保护点】
1.一种影像特征自动辨识装置，其特征在于，包括：一储存单元，其储存有一数据库，所述数据库储存有一第一影像特征类别群组以及至少一标准图像，所述第一影像特征类别群组储存有多个第一样品图像，每一个所述第一样品图像分别具有不同的第一影像特征；一处理单元，其与所述储存单元信号连接；以及一影像撷取单元，其与所述处理单元信号连接，以用于撷取一待检测物的一待测图像：其中，所述处理单元读取所述数据库中的多个所述第一样品图像，多个所述第一样品图像进行图像处理程序以分别产生多个图像处理结果，且多个所述图像处理结果分别与多个所述标准图像进行叠合，以分别产生扩增的多个第一样品图像；其中，所述处理单元根据扩增前以及扩增后...

【技术特征摘要】
1.一种影像特征自动辨识装置，其特征在于，包括：一储存单元，其储存有一数据库，所述数据库储存有一第一影像特征类别群组以及至少一标准图像，所述第一影像特征类别群组储存有多个第一样品图像，每一个所述第一样品图像分别具有不同的第一影像特征；一处理单元，其与所述储存单元信号连接；以及一影像撷取单元，其与所述处理单元信号连接，以用于撷取一待检测物的一待测图像：其中，所述处理单元读取所述数据库中的多个所述第一样品图像，多个所述第一样品图像进行图像处理程序以分别产生多个图像处理结果，且多个所述图像处理结果分别与多个所述标准图像进行叠合，以分别产生扩增的多个第一样品图像；其中，所述处理单元根据扩增前以及扩增后的多个所述第一样品图像执行一深度学习系统的训练程序，以建立一影像特征自动辨识算法，所述影像特征自动辨识算法包括有针对所述第一影像特征的一第一辨识标准；其中，所述处理单元自所述影像撷取单元取得所述待测图像，所述处理单元执行所述影像特征自动辨识算法对所述待测图像进行分析，且所述处理单元根据所述第一辨识标准判断所述待测图像是否具有所述第一影像特征。2.根据权利要求1所述的装置，其特征在于，所述图像处理程序包括影像形状调整程序、影像对比度调整程序、影像灰阶调整程序以及影像色温调整程序之中的一种或两种以上的组合。3.根据权利要求1所述的装置，其特征在于，所述处理单元还进一步执行下列程序：在执行一深度学习系统的训练程序前，将多个所述第一样品图像中的至少一第一样品图像选为一第一验证用图像，并以其余的多个所述第一样品图像执行所述深度学习系统的训练程序；以及在所述深度学习系统建立所述影像特征自动辨识算法后，根据所述第一辨识标准判断所述第一验证用图像是否具有所述第一影像特征，以确认所述第一辨识标准的正确性。4.根据权利要求3所述的装置，其特征在于，所述第一验证用图像的数量为多个，且所述第一验证用图像的数量占多个所述第一样品图像数量的3％至50％，所述处理单元还进一步执行下列程序：设定一第一正确率门坎值；以及执行所述影像特征自动辨识算法，并根据所述第一辨识标准判断所述标准图像以及多个所述第一验证用图像是否具有所述第一影像特征，根据判断结果记录所述第一辨识标准对所述第一影像特征的一第一辨识正确率；其中，在所述第一辨识正确率低于所述第一正确率门坎值时执行下列步骤：将多个第一样品图像再次进行所述图像处理程序，以进一步产生扩增的多个第一样品图像；以及从再次扩增后的多个第一样品图像中，再次选出3％至50％为第一验证用图像，并将其余的多个第一样品图像再次提供给所述深度学习系统，以修正所述第一辨识标准，并以修正后的所述第一辨识标准再次判断所述标准图像以及多个所述第一验证用图像是否具有所述第一影像特征，并再次获得所述第一辨识正确率；其中，在所述第一辨识正确率达到所述第一正确率门坎值时，根据所述第一辨识标准判断撷取自所述待检测物的所述待测图像是否具有所述第一影像特征。5.根据权利要求1所述的装置，其特征在于，所述处理单元还进一步执行下列程序：在判断多个所述待测图像不符合所述标准图像，但都具有一第二影像特征时，在所述数据库建立一第二影像特征类别群组，并分别将多个具有所述第二影像特征的所述待测图像各自记录为多个第二样品图像，并储存于所述第二影像特征类别群组中。6.根据权利要求5所述的装置，其特征在于，所述处理单元还进一步执行下列程序：读取所述数据库中的多个所述第二样品图像，并分别进行所述图像处理程序，且分别将所述图像处理程序所产生的图像处理结果各自与所述标准图像进行叠合以产生扩增的多个第二样品图像；根据扩增前以及扩增后的多个第一样品图像执行所述深度学习系统的训练程序，以在所述影像特征自动辨识算法中建立针对所述第二影像特征的一第二辨识标准；以及根据所述第一辨识标准判断所述待测图像是否具有所述第一影像特征，并根据所述第二辨识标准判断所述待测图像是否具有所述第二影像特征。7.根据权利要求1所述的装置，其特征在于，所述处理单元在执行所述图像处理程序前，还进一步执行下列程序：将多个所述第一样品图像中的3％至50％选为第一预检用图像，并将所述第一样品图像中的其余多个第一样品图像提供给所述深度学习系统，以建立包括有针对所述第一影像特征的一第一预检验标准；设定一第一预检验门坎值；以及根据所述第一预检验标准判断所述标准图像以及多个所述第一验证用图像是否具有所述第一影像特征，根据判断结果记录所述第一预检验标准对所述第一影像特征的一第一预检验正确率；其中，在所述第一预检验正确率达到所述第一预检验门坎值时，执行所述图像处理程序；以及其中，在所述第一预检验正确率低于所述第一预检验门坎值时，终止程序。8.一种影像特征自动辨识系统，其特征在于，包括：一伺服端，其包括：一储存单元，其储存有一数据库，所述数据库储存有一第一影像特征类别群组以及至少一标准图像，所述第一影像特征类别群组储存有多个第一样品图像，每一个所述第一样品图像分别具有不同的第一影像特征；以及一处理单元，其与所述储存单元信号连接；其中，所述处理单元读取所述数据库中的多个所述第一样品图像，并分别进行一图像处理程序，且分别将所述图像处理程序所产生的图像处理结果各自与所述标准图像进行叠合以产生扩增的多个第一样品图像；其中，所述处理单元根据扩增前以及扩增后的多个第一样品图像执行一深度学习系统的训练程序，以建立一影像特征自动辨识算法，所述影像特征自动辨识算法包括有针对所述第一影像特征的一第一辨识标准；以及一检测端，其与所述伺服端信号连接，且能由所述伺服端接收所述影像特征自动辨识算法，所述检测端包括：一影像撷取模块，其用以撷取一待检测物的一待测图像；以及一处理模块，其与所述影像撷取模块信号连接，以自所述影像撷取模块取得所述待测图像，所述处理模块执行所述影像特征自动辨识算法对所述待测图像进行分析，并根据所述第一辨识标准判断所述待测图像是否具有所述第一影像特征。9.根据权利要求8所述的系统，其特征在于，所述图像处理程序包括影像形状调整程序、影像对比度调整程序、影像灰阶调整程序以及影像色温调整程序之中的一种或两种以上的组合。10.根据权利要求8所述的系统，其特征在于，所述处理单元还进一步执行下列程序：在执行一深度学习系统的训练程序前，将多个所述第一样品图像中的至少一样品图像选为第一验证用图像，并以其余的多个第一样品图像执行所述深度学习系统的训练程序；以及在所述深度学习系统建立所述影像特征自动辨识算法后，根据所述第一辨识标准判断所述第一验证用图像是否具有所述第一影像特征，以确认所述第一辨识标准的正确性。11.根据权利要求10所述的系统，其特征在于，所述第一验证用图像的数量为多个，且所述第一验证用图像的数量占多个所述第一样品图像数量的3％至50％，所述处理单元还进一步执行下列程序：设定一第一正确率门坎值；以及执行所述影像特征自动辨识算法，并根据所述第一辨识标准判断所述标准图像以及多个所述第一验证用图像是否具有所述第一影像特征，根据判断结果记录所述第一辨识标准对所述第...

【专利技术属性】
技术研发人员：黄哲瑄，黄玺轩，张书修，
申请(专利权)人：乐达创意科技有限公司，
类型：发明
国别省市：中国台湾,71