影像辨识方法及其系统技术方案

本发明专利技术提供了一种影像辨识方法及其系统，所述影像辨识方法包括以下步骤：储存至少一待测物的至少一正常状态影像；一自动编译码器接收所述至少一正常状态影像，以成为一已训练自动编译码器；借由至少一摄影装置撷取所述至少一待测物的至少一状态影像；一计算机装置接收所述至少一状态影像，所述已训练自动编译码器对所述至少一状态影像进行特征提取及重建，以产生至少一重建状态影像；以及所述计算机装置比对所述至少一状态影像及所述至少一重建状态影像，并判断所述至少一状态影像是否为正常状态影像。状态影像。状态影像。

【技术实现步骤摘要】
影像辨识方法及其系统


[0001]本专利技术关于一种辨识方法及辨识系统，特别是指一种对影像进行全新辨识方法的影像辨识方法及影像辨识系统。

技术介绍

[0002]在现有技术中，若要借由影像辨识以在一影像画面中抓取缺陷，或是判别所述影像画面是否为正常状态，通常是将获取的影像画面与一标准影像(GoldenFrame)做比对，只要二者有差异，即会判定所获取的影像为非正常状态，有可能存在缺陷或是其他异常之处。然而，在上述现有技术中可能存在误判的情形，以下将针对误判情形做说明。
[0003]图10为一示意图，用以说明现有技术中其中一种的画面比对误判情形。请参照图10，在现有技术中，会将从待测物中获取的影像901与所述待测物的标准影像903做比较以产生一结果影像905，在影像901中包括所述待测物的一特征92，在标准影像903中则包括所述待测物的一标准特征90。由结果影像905可知，因特征92与标准特征90相比具有一位移d
’
，所以最终结果会将影像901判定为非正常状态。然而，在实际的产业应用中，特征92的位移d
’
并不会影响到所述待测物的使用状况，包括特征92的影像901其实可视为正常状态影像，将影像901判定为非正常状态影像反而会导致判定的良率下降。
[0004]图11为一示意图，用以说明现有技术中其中一种的画面比对误判情形。请参照图11，类似地，在现有技术中，会将从待测物中获取的影像901与所述待测物的标准影像903做比较以产生一结果影像905，在影像901中包括所述待测物的一特征94，在标准影像903中则包括所述待测物的一标准特征90。由结果影像905可知，因特征94与标准特征90相比具有一旋转值，所以最终结果会将影像901判定为非正常状态。然而，在实际的产业应用中，特征94的旋转并不会影响到所述待测物的使用状况，包括特征94的影像901其实可视为正常状态影像，将影像901判定为非正常状态影像反而会导致判定的良率下降。
[0005]另一方面，在其他的现有技术中，会将所述待测物目前所知的非正常状态影像存入一数据库中，当获取的所述待测物影像与所述数据库中的非正常状态影像相符时，即可判断所述待测物的影像为非正常状态影像。然而，当所述待测物的影像数量随着时间增加时，有可能产生许多未储存在所述数据库中的非正常状态影像，导致无法判别影像是否正常，因此这样的辨别方式需要不断的更新所述数据库中的非正常状态影像类型，导致作业上非常繁琐。

技术实现思路

[0006]由上述的先前技术可知，目前的影像辨识技术存在多种类的误判情形或是在作业上非常繁琐，导致许多可归类为正常状态的待测物都被判别为非正常状态，从而降低影像辨识的判别正确率并延长了作业时间。
[0007]所以，本专利技术的目的在于提供一种：包括对影像进行全新辨识方法的影像辨识方法及影像辨识系统，从而提高影像辨识的判别正确率并降低作业时间。
[0008]为了解决上述技术问题，本专利技术实施例提供一种影像辨识方法，包括以下步骤：储存至少一待测物的至少一正常状态影像；一自动编译码器接收所述至少一正常状态影像，以成为一已训练自动编译码器；借由至少一摄影装置撷取所述至少一待测物的至少一状态影像；一计算机装置接收所述至少一状态影像，所述已训练自动编译码器对所述至少一状态影像进行特征提取及重建，以产生至少一重建状态影像；以及所述计算机装置比对所述至少一状态影像及所述至少一重建状态影像，并判断所述至少一状态影像是否为正常状态影像。
[0009]较佳地，所述自动编译码器及所述已训练自动编译码器皆为一非对称自动编译码器，所述非对称自动编译码器的编码部分为包括多层卷积层及多层最大池化层的一卷积神经网络，所述非对称自动编译码器的解码部分为包括一全连接层及一卷积层的一转置卷积神经网络。
[0010]较佳地，所述至少一重建状态影像为在所述至少一状态影像中去除至少一个缺陷所产生的影像，所述计算机装置比对所述至少一状态影像及所述至少一重建状态影像，并判断所述至少一状态影像中是否包含所述至少一个缺陷。
[0011]较佳地，所述至少一待测物为至少一电子产品或人脸的其中之一者。
[0012]再者，本专利技术的影像辨识方法进一步包括以下步骤：当所述计算机装置判断所述至少一状态影像为非正常状态影像时，所述计算机装置控制一机械手臂将所述至少一电子产品拿取至一不良品区。
[0013]另一方面，本专利技术还提供一种影像辨识系统，包括一数据库，储存至少一待测物的至少一正常状态影像；至少一摄影装置，撷取所述至少一待测物的至少一状态影像；以及一计算机装置，电性连接至所述数据库及所述至少一摄影装置，且所述计算机装置包括一自动编译码器，所述自动编译码器接收所述至少一正常状态影像，以成为一已训练自动编译码器，所述计算机装置接收所述至少一状态影像，所述已训练自动编译码器对所述至少一状态影像进行特征提取及重建，以产生至少一重建状态影像；其中，所述计算机装置比对所述至少一状态影像及所述至少一重建状态影像，并判断所述至少一状态影像是否为正常状态影像。
[0014]较佳地，所述自动编译码器及所述已训练自动编译码器皆为一非对称自动编译码器，所述非对称自动编译码器的编码部分为包括多层卷积层及多层最大池化层的一卷积神经网络，所述非对称自动编译码器的解码部分为包括一全连接层及一卷积层的一转置卷积神经网络。
[0015]较佳地，所述至少一重建状态影像为在所述至少一状态影像中去除至少一个缺陷所产生的影像，所述计算机装置比对所述至少一状态影像及所述至少一重建状态影像，并判断所述至少一状态影像中是否包含所述至少一个缺陷。
[0016]较佳地，所述至少一待测物为至少一电子产品或人脸的其中之一者。
[0017]再者，本专利技术的影像辨识系统进一步包括一机械手臂，所述机械手臂电性连接至所述计算机装置，当所述计算机装置判断所述至少一状态影像为非正常状态影像时，所述计算机装置控制所述机械手臂将所述至少一电子产品拿取至一不良品区。
[0018]本专利技术的有益效果是：
[0019]由上述内容可知，本专利技术提供一种全新的影像辨识方法及其系统，在本专利技术中，是
借由输入待测物的正常状态影像来训练自动编译码器，如此一来，在进行影像辨识时，即使待测物的特征有些许位移或旋转等不影响待测物本身的偏差值，还可将待测物辨识为正常状态。此外，本专利技术会借由自动编译码器来对撷取的影像进行特征提取及重建，如此可有效判定所撷取的影像是否与正常状态影像匹配。因此，本专利技术可有效提高影像辨识的判别正确率并降低作业时间。
附图说明
[0020]本领域中具有通常知识者在参照附图阅读下方的详细说明后，可以对本专利技术的各种态样以及其具体的特征与优点有更良好的了解，其中，该些附图包括：
[0021]图1为本专利技术一实施例的影像辨识系统的架构示意图。
[0022]图2为本专利技术一实施例的影像辨识系统的影像比对示意图。
[0023]图3为本专利技术另一实施例的影像辨识系统的影像比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种影像辨识方法，其特征在于，包括以下步骤：储存至少一待测物的至少一正常状态影像；一自动编译码器接收所述至少一正常状态影像，以成为一已训练自动编译码器；借由至少一摄影装置撷取所述至少一待测物的至少一状态影像；一计算机装置接收所述至少一状态影像，所述已训练自动编译码器对所述至少一状态影像进行特征提取及重建，以产生至少一重建状态影像；以及所述计算机装置比对所述至少一状态影像及所述至少一重建状态影像，并判断所述至少一状态影像是否为正常状态影像。2.根据权利要求1所述的影像辨识方法，其特征在于，所述自动编译码器及所述已训练自动编译码器皆为一非对称自动编译码器，所述非对称自动编译码器的编码部分为包括多层卷积层及多层最大池化层的一卷积神经网络，所述非对称自动编译码器的解码部分为包括一全连接层及一卷积层的一转置卷积神经网络。3.根据权利要求1所述的影像辨识方法，其特征在于，所述至少一重建状态影像为在所述至少一状态影像中去除至少一个缺陷所产生的影像，所述计算机装置比对所述至少一状态影像及所述至少一重建状态影像，并判断所述至少一状态影像中是否包含所述至少一个缺陷。4.根据权利要求1所述的影像辨识方法，其特征在于，所述至少一待测物为至少一电子产品或人脸的其中之一者。5.根据权利要求4所述的影像辨识方法，其特征在于，进一步包括以下步骤：当所述计算机装置判断所述至少一状态影像为非正常状态影像时，所述计算机装置控制一机械手臂将所述至少一电子产品拿取至一不良品区。6.一种影像辨识系统，其特征在于，包括：一数据库，储存至少一待测物的至少一正常状态影像...

【专利技术属性】
技术研发人员：黄文吉，陈建华，陈纬仁，裴德雄，贾博渊，
申请(专利权)人：撼讯科技股份有限公司，
类型：发明
国别省市：