【技术实现步骤摘要】
瑕疵检测方法、瑕疵分类方法及其系统
[0001]本申请公开一种瑕疵检测方法,特别是一种从合格品学习出的影像特征进行瑕疵检测与瑕疵分类的方法与系统。
技术介绍
[0002]随着计算机与学习算法技术的发展,在工业制造产业中,除了通过人手或人眼判断物品瑕疵外,利用计算机学习影像并识别物品瑕疵的技术因应而生,利用软件方法能更有效率地执行瑕疵判断。然而,以目前技术来看,以影像识别技术来检测产品的瑕疵,除了需要收集大量的影像外,还有无法收集到完整的瑕疵图像而导致机器学习效果不彰的问题。
[0003]另外,在机器学习的技术中,利用深度学习算法可以从大量取得的样品影像中学习得出瑕疵判断的模型。然而,要得出能有效判断瑕疵的模型,需要收集各种种类的瑕疵影像,例如,学习过程中须标记每个瑕疵位置,再执行软件学习,操作繁杂且费时,仍需要投入大量的学习与时间成本。进一步地,使用深度学习算法,也有硬件成本高的问题,若学习结果不如预期,还需要重新学习。
技术实现思路
[0004]本申请公开一种瑕疵检测方法、瑕疵分类方法及其系统,不同于一般针对瑕疵品学习瑕疵影像特征以判断瑕疵品的方式。根据一实施例:所提出的瑕疵检测系统包括一或多个影像捕获设备,用以取得多个合格品或待测物的影像;设有一计算装置,至少包括处理电路与接口电路,可通过接口电路接收一或多个影像捕获设备拍摄多个合格品或待测物所得出的影像,通过处理电路对这些一或多张影像执行一瑕疵检测方法。
[0005]在瑕疵检测方法中,对所取得的多个合格品的多张影像执行一机器学习法 ...
【技术保护点】
【技术特征摘要】
1.一种瑕疵检测方法,其特征在于,所述的方法包括:取得多个合格品的多张影像;执行一机器学习法,学习所述多个合格品中的影像特征,建立用以描述合格品影像特征的一合格品模型;拍摄一待测物以取得所述待测物的一或多张影像;应用所述合格品模型取得所述待测物的一或多张影像中的瑕疵数据;以及根据检测参数,对照所述待测物的一或多张影像中的瑕疵数据,判断所述待测物是否为一瑕疵品。2.如权利要求1所述的瑕疵检测方法,其特征在于,得出所述待测物的瑕疵数据根据所述待测物的属性包括一或多个瑕疵的位置、面积、颜色、亮度以及形状的其中的一个或任意组合。3.如权利要求2所述的瑕疵检测方法,其特征在于,当取得所述一或多个瑕疵的位置后,以裁切影像的方式得出多个瑕疵位置区块,于后续进行一深度学习法时,能大幅提升深度学习效率。4.如权利要求3所述的瑕疵检测方法,其特征在于所述的待测物的各项瑕疵数据对照检测参数中对于各项瑕疵数据设定的阈值,以判断所述待测物是否为一瑕疵品,其中根据各项瑕疵数据设定的阈值判断的瑕疵类型至少包括脏污、缺漏、破损、颜色变化以面积变化。5.如权利要求4所述的瑕疵检测方法,其特征在于,根据各项瑕疵数据设定的阈值,根据事先定义的瑕疵类别,执行所述深度学习法,以分类瑕疵。6.如权利要求1所述的瑕疵检测方法,其特征在于,于拍摄所述待测物影像的步骤中,以连续拍摄取得所述待测物多张影像后,动态定位所述待测物的位置,并精准定位所述多张影像中的同一个检测区块,以标示其中多个瑕疵位置与特征信息。7.如权利要求6所述的瑕疵检测方法,其特征在于,于定位检测区块时,能选择固定或任意形状框选检测范围。8.如权利要求1至7中任一项所述的瑕疵检测方法,其特征在于,于取得所述合格品影像后,切割为多个区块影像,再以所述机器学习法学习各区块影像中合格品影像特征,形成描述合格品影像特征的所述合格品模型以各区块正常分布标准表示。9.如权利要求8所述的瑕疵检测方法,其特征在于,所述的各区块正常分布标准包括各像素的强度、面积与颜色的特征分布。10.一种瑕疵分类方法,其特征在于,所述的方法包括:取得多个合格品的多张影像;执行一机器学习法,学习所述多个合格品中的影像特征,建立用以描述合格品影像特征的一合格品模型;拍摄多个待测物以取得所述多个待测物的多张影像;应用所述合格品模型从所述多个待测物取得具有瑕疵数据的多张图文件;以及根据事先定义的瑕疵类别,将所述多张图文件中的瑕疵影像执行一深度学习法,以分类瑕疵,产生所述多张图文件中的瑕疵类别,建立各分类瑕疵项目;取得再一待测物的一或多张影像;以及
应用所述合格品模型取得所述待测物的一或多张影像中的瑕疵数据,并根据所述瑕疵类别以分类所述待测物的瑕疵。11.如权利要求10所述的瑕疵分类方法,其特征在于,得出所述待测物的瑕疵数据根据所述待测物的属性包括一或...
【专利技术属性】
技术研发人员:林晏全,
申请(专利权)人:宜谷京科技实业有限公司,
类型:发明
国别省市:
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。