智能型光学检测的样品特征与瑕疵自动标记方法及其装置制造方法及图纸

本发明专利技术为一种智能型光学检测的样品特征与瑕疵自动标记方法及其装置，实施方式分三阶段，第一阶段为以人工标记方式生成少量数据集并将数据以深度学习方式训练智能辨识器。之后第二阶段再以深度学习训练的智能辨识器对待测图片中所欲标记的特征与瑕疵进行半自动标记以生成大量数据集，但部分程序仍以人工方式辅助的三种可实施流程处理，并将数据以深度学习方式进行再训练。之后经多次人工检查都未发现自动标记方式有误判后，便可进入第三阶段完全以AI全自动标记方式处理，不须再经由以人工方式处理的程序。

Automatic marking method and device of sample characteristics and defects in intelligent optical detection

【技术实现步骤摘要】
智能型光学检测的样品特征与瑕疵自动标记方法及其装置
本专利技术是关于一种智能型光学检测的样品特征与瑕疵自动标记方法及其装置；运用于光学检测，尤指一种能够有效结合深度学习的方法，可大幅减少人力的消耗，提升效率。
技术介绍
在自动化检测的范畴中，常因无法获得足够的瑕疵样品，导致检测效果有限，或是到实际产线后需要非常长时间的调整，才能使结果趋于稳定的基本缺憾存在。再者，如果要运用在深度学习的范畴中时，特征与瑕疵的标记会花费非常多的人力资源情形而有其必须克服的困难问题重重。是以，本案专利技术人有鉴于现有技术的不足，历经多年呕心沥血研发而提出一种智能型光学检测的样品特征与瑕疵自动标记方法及其装置。
技术实现思路
本专利技术所要解决的主要技术问题在于，克服现有技术存在的上述缺陷，而提供一种智能型光学检测的样品特征与瑕疵自动标记方法及其装置，以深度学习的技术针对待测图片中所欲标记的特征与瑕疵进行自动标记，可大幅减少人力的消耗，提升效率。本专利技术解决其技术问题所采用的技术方案是：一种智能型光学检测的样品特征与瑕疵自动标记方法，其实施方法分为三阶段，第一阶段为人工标记阶段，第二阶段为半自动标记人工辅助阶段，第三阶段为自动标记阶段。本专利技术的实施方法第一阶段即为人工标记阶段，其流程包含有样品取像，是指以相机对待测物进行取像；人工标记特征或瑕疵，是指以人工方式将取像图片中样品的特征或瑕疵进行框选并加以标记；人工标记分类，是指将取像的样品图像及标记结果以人工方式加以分类记录；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型(objectdetection)为基础的神经网络，以深度学习的方式进行训练，因以人工方式标记特征或瑕疵并将标记结果分类，较耗费人力及时间，故此阶段生成的数据集为少量；导出模型训练结果，是指将模型训练结果导出至数据库单元，供智能辨识器、特征与瑕疵智能型自动标记模型或是其他应用端使用。本专利技术的实施方法第二阶段为半自动标记人工辅助阶段，此阶段共有三种流程可据以实施，其第一流程包含有样品取像，是指以相机对待测物进行取像；人工标记特征或瑕疵，是指以人工方式将取像图片中样品的特征或瑕疵进行框选并加以标记；自动标记分类，是指将取像的样品图像及标记结果由智能辨识器将自动进行分类记录；人工检查，是指为防止由智能辨识器自动对取像图片中样品特征或瑕疵进行框选并标记时，或是智能辨识器自动对标记结果分类时，因作为判别依据的数据集数量不够庞大而导致标记或分类结果有漏杀或过杀的误判，故以人工方式对标记或分类结果做检查，如有误判情形发生便对其标记或分类结果作修正；进行训练，是指将取像的样品图像及标记结果的数据传至特征或瑕疵智能型自动标记模型，利用物件侦测模型(objectdetection)为基础的神经网络，以深度学习的方式进行训练，因由智能辨识器自动进行标记结果分类，可节省人力资源及拥有更快速的分类效率，故生成的数据集亦较之前人工标记阶段大量增加；导出模型训练结果，是指将模型训练结果导出至数据库单元，供智能辨识器、特征或瑕疵智能型自动标记模型或是其他应用端使用。本专利技术的实施方法第二阶段即为半自动标记人工辅助阶段，其第二流程可与第一流程同时实施，包含有样品取像，是指以相机对待测物进行取像；自动标记特征或瑕疵，是指由智能辨识器凭借由数据库单元传输的模型训练结果数据自动对取像图片中样品特征或瑕疵进行框选并加以标记；人工标记分类，是指将取像的样品图像标记结果以人工方式进行分类；人工检查，是指为防止由智能辨识器自动对取像图片中样品特征或瑕疵进行框选并标记，或是智能辨识器自动对标记结果进行分类时，因作为判别依据的数据集数量不够庞大而导致分类结果有漏杀或过杀的误判，故以人工方式对标记及分类结果做检查，如有误判情形发生便对其标记及分类结果作修正，但因此流程中是以人工方式对样品图像标记结果进行分类，已包含有人工检查的意义，故于此流程人工检查的程序并非必要的实施步骤；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型(objectdetection)为基础的神经网络，以深度学习的方式进行训练。因由智能辨识器自动对取像图片中样品特征或瑕疵进行框选并加以标记，可节省人力资源及拥有更快速的分类效率，故生成的数据集亦较之前人工标记阶段大量增加；导出模型训练结果，是指将模型训练结果导出至数据库单元，供智能辨识器或特征与瑕疵智能型自动标记模型或其他应用端使用。本专利技术的实施方法第二阶段即为半自动标记人工辅助阶段，其第三流程于第一流程及第二流程之后实施包含有样品取像，是指以相机对待测物进行取像；自动标记特征或瑕疵，是指以智能辨识器由数据库单元传输的模型训练结果数据自动对取像图片中样品特征或瑕疵进行框选并加以标记；自动标记分类，是指将取像的样品图像及标记结果以智能辨识器凭借数据库单元传输的模型训练结果数据，将样品特征或瑕疵进行框选并加以标记的结果自动分类记录；人工检查，是指为防止由智能辨识器自动对取像图片中样品特征或瑕疵进行框选并标记，或是自动对标记结果分类时，因作为判别依据的数据集数量不够庞大而导致标记或分类结果有漏杀或过杀的误判，故以人工方式对标记或分类结果做检查，如有误判情形发生便对其作修正；进行训练，是指将取像的样品图像及标记结果的数据传至特征或瑕疵智能型自动标记模型，利用物件侦测模型(objectdetection)为基础的神经网络，以深度学习的方式进行训练。因由智能辨识器自动对取像图片中样品特征或瑕疵进行框选并加以标记，并将标记结果自动分类，可节省人力资源及拥有更快速的分类效率，故生成的数据集亦较之前人工标记阶段大量增加；导出模型训练结果，是指将模型训练结果导出至数据库单元，供智能辨识器或特征与瑕疵智能型自动标记模型或其他应用端使用。当第二阶段即半自动标记人工辅助阶段已累积足够大量的生成的数据集，令智能辨识器已拥有足够的数据集作为判别依据，其分类结果经多次人工检查程序都没有再出现误判情形时，便可不再需要人工辅助，进入第三阶段即自动标记阶段。本专利技术的实施方法第三阶段即自动标记阶段的流程包含有样品取像，是指以相机对待测物进行取像；自动标记特征或瑕疵，是以智能辨识器由数据库单元传输的模型训练结果数据，自动对取像图片中样品特征或瑕疵进行框选并加以标记；自动标记分类，是指将取像的样品图像及标记结果以智能辨识器凭由数据库单元传输的模型训练结果数据将特征或瑕疵进行框选并加以标记的结果自动分类。导出结果，是指将标记及分类结果数据导出至数据库单元，供智能辨识器或其他应用端使用。因此，本专利技术一种智能型光学检测的样品特征与瑕疵自动标记方法，主要是第一阶段先以人工标记方式对待测图片中所欲标记的特征与瑕疵进行标记并将标记结果分类，将分类结果以深度学习的方式生成少量数据集。之后第二阶段再以智能辨识器半自动标记方式但其中部分程序仍需以人工方式辅助的三种可实施流程，生成大量数据集。经多次人工检查都未发现误判后，便可进入第三阶段完全以智能辨识器自动对待测图片本文档来自技高网...

【技术保护点】
1.一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，实施方法依照顺序主要分为三阶段，第一阶段为人工标记阶段，第二阶段为半自动标记人工辅助阶段，第三阶段为自动标记阶段。/n

【技术特征摘要】
1.一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，实施方法依照顺序主要分为三阶段，第一阶段为人工标记阶段，第二阶段为半自动标记人工辅助阶段，第三阶段为自动标记阶段。


2.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第一阶段的实施方法包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；人工标记特征或瑕疵，是指以人工方式将取像图片中样品的特征或瑕疵进行框选并加以标记；人工标记分类，是指将取像的样品图像及标记结果以人工方式加以分类记录；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型为基础的神经网络，以深度学习的方式进行训练；导出模型训练结果，是指将模型训练结果导出至数据库单元。


3.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第二阶段实施方法共有三种流程可据以实施，其第一流程包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；人工标记特征或瑕疵，是指以人工方式将取像图片中样品的特征或瑕疵进行框选并加以标记；自动标记分类，是指将取像的样品图像及标记结果由智能辨识器利用数据库单元传输的模型训练结果数据自动将标记结果分类记录；人工检查，是指为防止由智能辨识器自动对取像图片中样品特征或瑕疵进行框选并标记，或是对标记结果进行分类时，标记或分类结果有漏杀或过杀的误判，故以人工方式对分类结果做检查，如有误判情形发生便对其分类结果作修正；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型为基础的神经网络，以深度学习的方式进行训练；导出模型训练结果，是指将模型训练结果导出至数据库单元。


4.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第二阶段实施方法的第二流程包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；自动标记特征或瑕疵，是指由智能辨识器利用数据库单元传输的模型训练结果数据自动对取像图片中样品特征或瑕疵进行框选并加以标记；人工标记分类，是指将取像的样品图像及标记结果以人工方式进行分类记录；人工检查，是指为防止由智能辨识器自动对取像图片中样品特征或瑕疵进行框选及标记或是对标记结果进行分类时，有漏杀或过杀的误判，故以人工方式对分类结果做检查，如有误判情形发生便对其分类结果作修正；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型为基础的神经网络，以深度学习的方式进行训练；导出模型训练结果，是指将模型训练结果导出至数据库单元。


5.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第二阶段实施方法的第三流程包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；自动标记特征或瑕疵，是指智能辨识器利用数据库单元传输的模型训练结...

【专利技术属性】
技术研发人员：郭威汉，魏源钟，许智钦，廖昭昌，
申请(专利权)人：智泰科技股份有限公司，
类型：发明
国别省市：中国台湾;71