自动检测系统及其操作方法技术方案

本发明专利技术公开了一种自动检测系统以及一种自动检测系统的操作方法，该自动检测系统包含机器视觉检测装置、连接机器视觉检测装置的修复站、人工智能模块及连接修复站与人工智能模块的处理平台。机器视觉检测装置可取得待测物的图像，并通过修复站的操作画面进行显示，以及人工智能模块撷取待测物的图像进行分类推断，处理平台用于执行将待测物的图像分类推断的结果数据自动迭加到修复站的操作画面上，并拦截操作员通过用户界面对修复站输入的人工复判的结果数据，再发送给人工智能模块以作为后续自动化进行分类模型再训练学习的数据。后续自动化进行分类模型再训练学习的数据。后续自动化进行分类模型再训练学习的数据。

【技术实现步骤摘要】
自动检测系统及其操作方法


[0001]本专利技术提供一种系统与方法，且特别是有关于一种自动检测系统及其操作方法。

技术介绍

[0002]随着科技进步，使电子零件的尺寸缩小化而精密度则要求日益提高，故为了确保产品的合格率提升，在现代化制程中，需要在各个重要站点进行检测，以利及早抓出具有瑕疵或缺陷的不合格品，并减少制程资源的浪费，提升产线的产量及合格率，但也让制程消耗的时间会随着多站检测而增加，因此，为了加速检测的时间，自动视觉检测与自动光学检测等自动化检测技术，便成为制程中不可或缺的角色。
[0003]而一般自动化检测设备为普遍应用在电路板组装生产线的外观检查，并取代以往的人工目检作业，例如可用来检测电路板上的零件焊锡、组装后的质量状况，其基本的原理是利用影像技术来比对待测物与标准影像是否有过大差异，以判断待测物是否有符合标准，但传统的自动化检测设备常因色差、高度落差等因素，造成误报率过高，反而增加了事后人力替异常的检测进行复检及处理成本的浪费。
[0004]然而，随着现代的工业4.0与智能制造的兴起，并在讲究生产效率与质量的智能工厂中，质量检测是确保产线合格率与产品质量最重要的程序之一，为了提升检测作业的准确率，过去多用自动化检测设备来协助现场端产线人员作业，但是随着人工智能技术的应用日渐成为主流，逐渐成熟的人工智能技术也开始与自动化检测设备作整合，通过机械学习或深度学习算法，使自动化检测设备的瑕疵检测更精准，以降低自动化检测设备的误报率、节省大量人力成本，但是该制造业者所采用的机械学习或深度学习都需要先经过训练模式，再将训练结果下载至现场端自动化检测设备或终端设备应用的推论模式，而在训练模式的建立，最大的问题就是良好样本与瑕疵样本取得的比例相差悬殊，瑕疵样本的不足，也将导致难以有效训练能够辨识瑕疵的模型。
[0005]是以，在现今智能工厂自动化生产的时代，随着人工智能技术的应用日渐成为主流，要如何将人工智能技术导入自动化检测设备，以进一步降低漏检率或误报率，使整体检测流程缩短、节省大量人力成本和提升产线的产量及合格率，同时可收集现场端人工复判的结果作为后续模型训练的数据，以提升对待测物分类判断或辨识的精准度，让检测的质量更臻完善，则有待从事此行业者重新设计来加以解决。

技术实现思路

[0006]本专利技术的主要目的在于自动检测系统采用非侵入式设计可在产线不停机的状态下安装，并导入产线中已有的机器视觉检测装置，当机器视觉检测装置检测出具有瑕疵的待测物图像时，可由人工智能模块以深度学习算法自动进行瑕疵的分类推断，并由处理平台将人工智能模块对待测物的图像分类推断的结果，以自动插入或填写的方式迭加到修复站的操作画面上进行显示，以减少人工所需要检测的项目，让操作员可专注于复判，并提升作业的质量，当操作员进行复判时，处理平台便会拦截操作员通过输入单元输入的人工复
判的结果数据，再发送给人工智能模块作为后续自动化进行分类模型再训练学习所需的数据，以进一步降低自动检测系统的误报率，让检测的质量更臻完善。
[0007]本专利技术的次要目的在于当操作员判断图像AI标记的瑕疵与其标记的不同时，则表示AI分类推断的结果与实际人工复检标记的结果不同，处理平台会收集人工复判的结果，作为后续人工智能模块再训练学习的数据，以达到后续检测流程对于相同或类似的误判样本不再发生误判情形，以此可提升分类判断或辨识的精准度，同时保留操作员过去的所有操作行为，让操作员熟悉现有系统增加的新功能，也可通过交互式操作画面缩短操作员的学习曲线，如此，不仅可使检测流程缩短、单位产能获得提升，更重要的是，软硬件都是外挂在原有的自动光学检测系统上，可有效轻松升级原有的系统与设备，同时减少人工复检繁复的检测项目，有效降低人力成本、提升产线的产量及合格率。
附图说明
[0008]图1为本专利技术自动检测系统的架构示意图。
[0009]图2为本专利技术的步骤流程图。
[0010]图3为本专利技术拦截操作员输入复判的结果进行人工智能训练并将相同的输入回传到修复站的示意图。
[0011]图4为本专利技术将人工智能分类推断的结果迭加到操作画面上的示意图。
[0012]附图标记说明：100
‑
自动检测系统；101
‑
机器视觉检测装置；102
‑
修复站；103
‑
人工智能模块；104
‑
处理平台；200
‑
待测物；300
‑
操作画面；301
‑
待测物的图像画面；302
‑
待测物放大的图像画面；303
‑
窗口。
具体实施方式
[0013]为达成上述的目的及功效，本专利技术所采用的技术手段及其构造，兹绘图就本专利技术的较佳实施例详加地说明其构造与功能如下。
[0014]请参阅图1～图4所示，分别为本专利技术自动检测系统的架构示意图、步骤流程图、拦截操作员输入复判的结果进行人工智能训练并将相同的输入回传到修复站的示意图及将人工智能分类推断的结果迭加到操作画面上的示意图，由图中可清楚看出，本专利技术的自动检测系统100包含一机器视觉检测装置101，用于对机台或输送带上运送的待测物200进行取像并检测出具有瑕疵或缺陷的待测物200；连接该机器视觉检测装置101的一修复站102，用于接收该待测物200的图像并通过一操作画面300来进行显示，以辅助一操作员进行人工复检；连接该机器视觉检测装置101的一人工智能模块103，用于撷取该待测物200的图像，以自动化进行该待测物200的瑕疵或缺陷的分类推断；以及连接该修复站102与该人工智能模块103的一处理平台104，用于接收该人工智能模块103分类推断的结果数据，并将其整合迭加于该修复站102的操作画面300上进行显示，以辅助该操作员进行人工复判的作业。
[0015]本专利技术另外提供一种自动检测系统的操作方法，其中该自动检测系统100包含上述的机器视觉检测装置101、修复站102、人工智能模块103及处理平台104，该方法包含下列的步骤：
[0016](S101)机器视觉检测装置101取得待测物200的图像，并检测出具有瑕疵的待测物200。
[0017](S102)人工智能模块103撷取待测物200的图像进行分类推断，并通过处理平台104将分类推断的结果数据自动迭加到修复站102的操作画面300上。
[0018](S103)操作员利用操作画面300进行人工复检时，操作员通过用户界面对修复站102输入的结果数据会被处理平台104拦截发送至人工智能模块103，以作为该人工智能模块103后续自动化进行分类模型再训练学习所需的数据。
[0019](S104)处理平台104将操作员所输入的结果数据，以相同的输入回传到修复站102。
[0020]由图中及上述的实施步骤可清楚得知，本专利技术使用的机器视觉检测装置101为自动光学检测(Automated Optical Inspection，AOI)或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动检测系统，其特征在于，包含一机器视觉检测装置，用于取得一待测物的图像并检测出具有瑕疵的待测物；连接该机器视觉检测装置的一修复站，用于接收该待测物的图像并通过一操作画面来进行显示以辅助一操作员进行人工复检；连接该机器视觉检测装置的一人工智能模块，用于撷取该待测物的图像以进行分类推断；以及连接该修复站与该人工智能模块的一处理平台，用于接收该人工智能模块分类推断的结果数据并将其整合于该修复站的操作画面上，辅助该操作员进行人工复判，其中该处理平台用于执行下列步骤：将该人工智能模块对该待测物的图像分类推断的结果数据自动迭加到该修复站的操作画面上；拦截该操作员通过一用户界面对该修复站输入的该人工复判的结果数据；将该人工复判的结果数据发送给该人工智能模块，以作为该人工智能模块自动化进行分类模型再训练学习的数据；以及该处理平台将该操作员所输入的结果数据，以相同的输入回传到该修复站。2.如权利要求1所述的自动检测系统，其特征在于，该机器视觉检测装置为一自动光学检测或自动视觉检测设备。3.如权利要求1所述的自动检测系统，其特征在于，该人工智能模块通过一显示接口的通讯协议来取得该待测物的图像，并利用一非侵入式图像萃取器进行剪裁图像和光学字符识别的图像处理，以提取出该待测物的信息和图像的特征数据，再利用深度学习技术自动化进行瑕疵或缺陷的分类推断。4.如...

【专利技术属性】
技术研发人员：黄全丰，郑名哲，
申请(专利权)人：凌华科技股份有限公司，
类型：发明
国别省市：