缺陷判断训练方法及其的系统及缺陷判断方法及其的系统技术方案

缺陷判断训练方法包括以下步骤。首先，获取光学膜的图像，图像包含一缺陷区。然后，取得缺陷区的缺陷边界的多个边界点沿方向的多个座标值。然后，取得此些座标值的平均座标值。然后，取得各座标值与平均座标值的差值。然后，依据此些差值的最大者，决定图像中做为缺陷判断机器学习的区域。

【技术实现步骤摘要】
缺陷判断训练方法及其的系统及缺陷判断方法及其的系统
本专利技术是有关于一种训练方法及应用其的系统以及判断方法及应用其的系统，且特别是有关于一种缺陷判断训练方法及应用其的系统以及缺陷判断方法及应用其的系统。
技术介绍
习知光学膜在制作完成后必须以人工肉眼观察方式，观察光学膜是否具有缺陷以及缺陷种类。然而，人工肉眼观察方式容易造成误判。因此，提出一种新的可增加判断准确度的缺陷判断技术是本
业者努力的目标之一。
技术实现思路
本专利技术实施例提出一种缺陷判断训练方法及应用其的系统以及缺陷判断方法及应用其的系统，可改善上述问题。本专利技术一实施例提出一种缺陷判断训练方法。缺陷判断训练方法包括以下步骤。获取一光学膜的一图像，图像包含一缺陷区；取得缺陷区的一缺陷边界的多个边界点沿一方向的多个座标值；取得此些座标值的一平均座标值；取得各座标值与平均座标值的一差值；以及，依据此些差值的最大者，决定图像中做为缺陷判断机器学习的区域。本专利技术另一实施例提出一种缺陷判断训练系统。缺陷判断训练系统包括一摄像器及一缺陷判断机器本文档来自技高网...

【技术保护点】
1.一种缺陷判断训练方法，其特征在于，包括：/n获取一光学膜的一图像，该图像包含一缺陷区；/n取得该缺陷区的一缺陷边界的多个边界点沿一方向的多个座标值；/n取得该些座标值的一平均座标值；/n取得各该座标值与该平均座标值的一差值；/n依据该些差值的最大者，决定该图像中做为缺陷判断机器学习的区域。/n

【技术特征摘要】
20190619 TW 1081213321.一种缺陷判断训练方法，其特征在于，包括：
获取一光学膜的一图像，该图像包含一缺陷区；
取得该缺陷区的一缺陷边界的多个边界点沿一方向的多个座标值；
取得该些座标值的一平均座标值；
取得各该座标值与该平均座标值的一差值；
依据该些差值的最大者，决定该图像中做为缺陷判断机器学习的区域。


2.如权利要求1所述的缺陷判断训练方法，其特征在于，在依据该最大者决定该图像中做为缺陷判断机器学习的区域的步骤包括：
判断该些差值的该最大者是否小于一预设范围；
当该最大者小于该预设范围，裁切该图像的一局部区域，其中该缺陷区位于该局部区域内；以及
输入该局部区域于一缺陷判断机器学习器。


3.如权利要求1所述的缺陷判断训练方法，其特征在于，在依据该最大者决定该图像中做为缺陷判断机器学习的区域的步骤包括：
判断该些差值的该最大者是否小于一预设范围；以及
当该最大者不小于该预设范围，输入整个该图像于该缺陷判断机器学习器。


4.如权利要求2或3所述的缺陷判断训练方法，其特征在于，在判断该些差值的该最大者是否小于该预设范围步骤中，该预设范围介于一上边界与一下边界之间，该上边界为该平均座标值与一上偏移量的和值，而该下边界为该平均座标值与一下偏移量的差值。


5.如权利要求2所述的缺陷判断训练方法，其特征在于，在裁切该图像的该局部区域的步骤包括：
取得该些座标值的一标准差值；
判断该标准差值是否等于或小于一标准差下限值；以及
当该标准差值等于或小于该标准差下限值，裁切该图像的该局部区域，其中该局部区域的面积占该图像的面积的比例介于一第一裁切比例范围之间，且该缺陷区位于局部区域。


6.如权利要求2所述的缺陷判断训练方法，其特征在于，该第一裁切比例范围介于30％～60％之间。


7.如权利要求2所述的缺陷判断训练方法，其特征在于，在裁切该图像的该局部区域的步骤包括：
取得该些座标值的一标准差值；
判断该标准差值是否介于一标准差下限值与一标准差上限值之间；以及
当该标准差值介于该标准差下限值与该标准差上限值之间，获取该图像的该局部区域，其中该局部区域的面积占该图像的面积的比例介于一第二裁切比例范围之间，且该缺陷区位于局部区域。


8.如权利要求7所述的缺陷判断训练方法，其特征在于，该第二裁切比例范围介于6％～20％之间。


9.如权利要求7所述的缺陷判断训练方法，其特征在于，该标准差下限值为该图像的一图像高度的1％；且该标准差上限值为该图像的该图像高度的2％。


10.如权利要求1所述的缺陷判断训练方法，其特征在于，更包括：
二值化该图像，使该图像发光学膜图像区的各像素点具有一第一灰阶值，而该图像的一背景区的各像素点具有一第二灰阶值；
取该第一灰阶值与该第二灰阶值之差的绝对值做为一灰阶值差异处；以及
根据该灰阶值差异处中相对变化的较缓和之处的延伸做为一边界基准线。


11.如权利要求10所述的缺陷判断训练方法，其特征在于，该较缓和之处符合以下要件：
该灰阶值差异处大于该第一灰阶值；
该灰阶值差异处小于该第二灰阶值；以及
该灰阶值差异处小于该第一灰阶值与该第二灰阶值的平均值。


12.如权利要求2所述的缺陷判断训练方法，其特征在于，在裁切该图像的该局部区域的步骤包括：
取得该些方向座标值的一标准差值；
判断该标准差值是否大于或等于一标准差上限值；以及
当该标准差值介于该标准差下限值与该标准差上限值之间，输入整个该图像于该缺陷判断机器学习器。


13.一种缺陷判断训练系统，其特征在于，包括：
一摄像器，用以获取一光学膜发一图像，该图像包含一缺陷区；以及
一缺陷判断机器学习器，用以：
取得该缺陷区的一缺陷边界的多个边界点沿一方向的多个座标值；
取得该些座标值的一平均座标值；
取得各该座标值与该平均座标值的一差值；及
依据该些差值的最大者，决定该图像中做为缺陷判断机器学习的区域。


14.如权利要求13所述的缺陷判断训练系统，其特征在于，在依据该最大者决定该图像中做为缺陷判断机...

【专利技术属性】
技术研发人员：吴精文，李世欣，
申请(专利权)人：住华科技股份有限公司，
类型：发明
国别省市：中国台湾;71