【技术实现步骤摘要】
工业图像检测方法、系统与计算机可读记录介质
本专利技术涉及一种工业图像检测方法、系统与计算机可读记录介质,且特别涉及一种基于生成式对抗网络的非监督式工业图像检测方法、系统与计算机可读记录介质。
技术介绍
随着工业自动化以及产品日新月异,所需检测的产品数量也越趋庞大。自动光学检测(AutomatedOpticalInspection,AOI)系统运用机器视觉做为检测技术,可用于取代传统的人力检测。在工业工艺中,自动光学检测可取得成品的表面状态,再以计算机图像处理技术来检出异物或图案异常等瑕疵。经过自动光学检测机台的自动检测后,可能仍需由检测人员做人工复判工作,使得所需检测人员数量以及事先的人员训练工作也越趋频繁。再者,工业图像的瑕疵通常都需要人为做标注(labeling)分类。但瑕疵变化小且难发掘,造成标注的良率会有所变异。近年来人工智能兴起,卷积式类神经网络(CNN)能够有效的应用在图像上做分类,但仍需要事先标注瑕疵的类别,使得训练过程越加冗长。故而,如何使工业图像检测流程更有效率乃是业界努力方向之一。
技术实现思路
根据本申请一实施例,提出一种工业图像检测方法,包括:得到一待测图像的一待测隐向量;测量一正常图像的一训练隐向量与该待测图像的该待测隐向量之间的一距离;以及根据该正常图像的该训练隐向量与该待测图像的该待测隐向量之间的该距离,判断该待测图像是正常或瑕疵。根据本申请另一实施例,提出一种工业图像检测系统,包括:一自动光学检查设备,对多个样本进行自动光学检查;以及一图像 ...
【技术保护点】
1.一种工业图像检测方法,包括:/n得到待测图像的待测隐向量;/n测量正常图像的训练隐向量与该待测图像的该待测隐向量之间的距离;以及/n根据该正常图像的该训练隐向量与该待测图像的该待测隐向量之间的该距离,判断该待测图像是正常或瑕疵。/n
【技术特征摘要】
20181002 TW 107134854;20180608 US 62/682,2531.一种工业图像检测方法,包括:
得到待测图像的待测隐向量;
测量正常图像的训练隐向量与该待测图像的该待测隐向量之间的距离;以及
根据该正常图像的该训练隐向量与该待测图像的该待测隐向量之间的该距离,判断该待测图像是正常或瑕疵。
2.如权利要求1所述的工业图像检测方法,其中,得到该待测图像的该待测隐向量的该步骤包括:
初始化该待测图像的该待测隐向量;
将该待测图像的该待测隐向量输入至生成器,以让该生成器生成一生成图像;
比较该生成图像与该待测图像之间的像素值差异;
利用该生成图像与该待测图像之间的该像素值差异来计算损失函数,并更新该待测图像的该待测隐向量;
如果判断尚未产生最佳化的该待测图像的该待测隐向量,将更新后的该待测图像的该待测隐向量输入至该生成器,以让该生成器再次生成该生成图像;以及
如果判断已产生最佳化的该待测图像的该待测隐向量,则记录最佳化的该待测图像的该待测隐向量、该待测隐向量的平均值与差异值。
3.如权利要求2所述的工业图像检测方法,其中,在初始化该待测图像的该待测隐向量时,随机由单位圆内,用高斯分布产生该待测图像的该待测隐向量。
4.如权利要求2所述的工业图像检测方法,其中,测量该正常图像的该训练隐向量与该待测图像的该待测隐向量之间的该距离的该步骤包括:根据该待测隐向量的该平均值与该差异值,以及该训练隐向量的平均值与差异值,来测量该正常图像的该训练隐向量与最佳化的该待测图像的该待测隐向量之间的该距离。
5.如权利要求2所述的工业图像检测方法,其中,当该正常图像的该训练隐向量与该待测图像的该待测隐向量之间的该距离小于阈值的话,判断该待测图像是正常,反之则判断该待测图像是瑕疵。
6.如权利要求1所述的工业图像检测方法,还包括:
在训练阶段:
初始化该正常图像的该训练隐向量;
将该正常图像的该训练隐向量输入至生成器,以让该生成器来生成该生成图像;
将该正常图像和该生成图像一起输入至判别器;
由该判别器比较该正常图像和该生成图像,并决定该判别器是否能分别出该正常图像和该生成图像;
根据标注差异来计算损失函数,并更新该生成器、该判别器与该正常图像的该训练隐向量;
如果该生成器能生成预期成果,记录该生成器的模型与参数,以及该正常图像的该训练隐向量,以及该训练隐向量的平均值与差异值;以及
如果该生成器不能生成该预期成果,将该训练隐向量用模限制投影回单位圆,并将所得到的该训练隐向量输入至该生成器,以继续训练该生成器。
7.一种工业图像检测系统,包括:
自动光学检查设备,对多个样...
【专利技术属性】
技术研发人员:赖昱廷,胡竹生,蔡雅惠,张耿豪,
申请(专利权)人:财团法人工业技术研究院,
类型:发明
国别省市:中国台湾;71
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。