瑕疵检测装置及方法制造方法及图纸

一种瑕疵检测装置及方法。该瑕疵检测装置接收待测影像。该瑕疵检测装置通过瑕疵检测模型检测该待测影像，以产生对应该待测影像的异常分数，其中该瑕疵检测模型基于生成对抗网络及归一化后的复数个损失函数训练产生。该瑕疵检测装置比对该异常分数的异常分数门槛值，以判断该待测影像是否为瑕疵影像。本发明专利技术所提供的瑕疵检测技术，可提升瑕疵检测准确率。可提升瑕疵检测准确率。可提升瑕疵检测准确率。

【技术实现步骤摘要】
瑕疵检测装置及方法


[0001]本专利技术关于一种瑕疵检测装置及方法。具体而言，本专利技术关于一种基于多个阶段的调整机制提升瑕疵检测准确率的瑕疵检测装置及方法。

技术介绍

[0002]近年来，由于智能制造的快速发展，导入深度学习技术到自动光学检测(automated optical inspection；AOI)领域中成为发展的目标之一。其中，由于在某些工业制造领域中，需要面对瑕疵种类的未知性且缺乏用于训练的瑕疵样本等等的问题，使得半监督式的瑕疵检测手段被广泛的应用。
[0003]具体而言，半监督式的瑕疵检测在训练时，可通过生成对抗式网络架构进行训练，由于仅需要带有正常标签的训练样本，而不需要收集大量的异常样本，因此相较监督式瑕疵检测使用上更为广泛。
[0004]然而，在现有技术中，半监督式的瑕疵检测在某些检测领域或检测目标中(例如：工业元件中的螺帽)，实际应用时准确率过低，且伪阳率过高，因而无法实际应用在工业制造中。
[0005]有鉴于此，如何提供一种可提升瑕疵检测准确率的技术，乃业界亟需努力的目标。

技术实现思路

[0006]本专利技术的一目的在于提供一种瑕疵检测装置。该瑕疵检测装置包含存储器、收发接口及处理器，该处理器电性连接至该存储器及该收发接口。该存储器用以储存瑕疵检测模型。该处理器自该收发接口接收待测影像。该处理器通过该瑕疵检测模型检测该待测影像，以产生对应该待测影像的异常分数，其中该瑕疵检测模型基于生成对抗网络及归一化后的复数个损失函数训练产生。该处理器比对该异常分数及异常分数门槛值，以判断该待测影像是否为瑕疵影像。
[0007]本专利技术的另一目的在于提供一种瑕疵检测方法，该瑕疵检测方法用于电子装置。该瑕疵检测方法包含下列步骤：接收待测影像；通过瑕疵检测模型检测该待测影像，以产生对应该待测影像的异常分数，其中该瑕疵检测模型基于生成对抗网络及归一化后的复数个损失函数训练产生；比对该异常分数及异常分数门槛值，以判断该待测影像是否为瑕疵影像。
[0008]在本专利技术的一实施方式中，其中该处理器还执行以下运作：计算该待测影像与对应该待测影像的重建影像的像素平方差值，以产生该异常分数；其中，对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。
[0009]在本专利技术的一实施方式中，其中该处理器还执行以下运作：接收复数个样本影像；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。
[0010]在本专利技术的一实施方式中，其中归一化后的该编码器损失函数是基于第一编码特征及第二编码特征的归一化平方差值产生，该第一编码特征由该瑕疵检测模型中的第一编码器产生，且该第二编码特征由该瑕疵检测模型中的第二编码器产生。
[0011]在本专利技术的一实施方式中，其中归一化后的该前后文损失函数是基于该待测影像与对应该待测影像的重建影像的归一化像素差值绝对值产生，其中对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。
[0012]在本专利技术的一实施方式中，其中归一化后的该对抗性损失函数是基于一归一化特征匹配平方差值产生。
[0013]在本专利技术的一实施方式中，其中该待测图像对应至第一色彩空间，且该处理器还执行以下运作：将该待测影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；以及对该待测影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作。
[0014]在本专利技术的一实施方式中，其中该至少一第一通道数值所对应的第一值域与该等第二通道数值所对应的第二值域不同。
[0015]在本专利技术的一实施方式中，其中该处理器还执行以下运作：接收复数个样本影像，其中该等样本图像对应至第一色彩空间；将该等样本影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；对该等样本影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。
[0016]在本专利技术的一实施方式中，其中该至少一第一通道数值所对应的第一值域与该等第二通道数值所对应的第二值域不同。
[0017]在本专利技术的一实施方式中，还包含下列步骤：计算该待测影像与对应该待测影像的重建影像的像素平方差值，以产生该异常分数；其中对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。
[0018]在本专利技术的一实施方式中，还包含下列步骤：接收复数个样本影像；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。
[0019]在本专利技术的一实施方式中，其中归一化后的该编码器损失函数是基于第一编码特征及第二编码特征的归一化平方差值产生，该第一编码特征由该瑕疵检测模型中的第一编码器产生，且该第二编码特征由该瑕疵检测模型中的第二编码器产生。
[0020]在本专利技术的一实施方式中，其中归一化后的该前后文损失函数是基于该待测影像与对应该待测影像的重建影像的归一化像素差值绝对值产生，其中对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。
[0021]在本专利技术的一实施方式中，其中归一化后的该对抗性损失函数是基于归一化特征匹配平方差值产生。
[0022]在本专利技术的一实施方式中，其中该待测图像对应至第一色彩空间，且该瑕疵检测方法还包含下列步骤：将该待测影像转换至第二色彩空间，其中该第二色彩空间包含至少
一第一通道数值及复数个第二通道数值；以及对该待测影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作。
[0023]在本专利技术的一实施方式中，其中该至少一第一通道数值所对应的第一值域与该等第二通道数值所对应的第二值域不同。
[0024]在本专利技术的一实施方式中，还包含下列步骤：接收复数个样本影像，其中该等样本图像对应至第一色彩空间；将该等样本影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；对该等样本影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。
[0025]在本专利技术的一实施方式中，其中该至少一第一通道数值所对应的第一值域与该等第二通道数值所对应的第二值域不同。
[0026]本专利技术所提供的瑕疵检测技术(至少包含装置及方法)，通过由生成对抗网络及归一化后的复数个损失函数训练产生的瑕疵检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瑕疵检测装置，其特征在于，包含：存储器，用以储存瑕疵检测模型；收发接口；以及处理器，电性连接至该存储器及该收发接口，用以执行以下运作：自该收发接口接收待测影像；通过该瑕疵检测模型检测该待测影像，以产生对应该待测影像的异常分数，其中该瑕疵检测模型基于生成对抗网络及归一化后的复数个损失函数训练产生；以及比对该异常分数及异常分数门槛值，以判断该待测影像是否为瑕疵影像。2.根据权利要求1所述的瑕疵检测装置，其特征在于，其中该处理器还执行以下运作：计算该待测影像与对应该待测影像的重建影像的像素平方差值，以产生该异常分数；其中，对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。3.根据权利要求1所述的瑕疵检测装置，其特征在于，其中该处理器还执行以下运作：接收复数个样本影像；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。4.根据权利要求3所述的瑕疵检测装置，其特征在于，其中归一化后的该编码器损失函数是基于第一编码特征及第二编码特征的归一化平方差值产生，该第一编码特征由该瑕疵检测模型中的第一编码器产生，且该第二编码特征由该瑕疵检测模型中的第二编码器产生。5.根据权利要求3所述的瑕疵检测装置，其特征在于，其中归一化后的该前后文损失函数是基于该待测影像与对应该待测影像的重建影像的归一化像素差值绝对值产生，其中对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。6.根据权利要求3所述的瑕疵检测装置，其特征在于，其中归一化后的该对抗性损失函数是基于归一化特征匹配平方差值产生。7.根据权利要求1所述的瑕疵检测装置，其特征在于，其中该待测图像对应至第一色彩空间，且该处理器还执行以下运作：将该待测影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；以及对该待测影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作。8.根据权利要求1所述的瑕疵检测装置，其特征在于，其中该处理器还执行以下运作：接收复数个样本影像，其中该等样本图像对应至第一色彩空间；将该等样本影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；对该等样本影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模
型；以及将训...

【专利技术属性】
技术研发人员：栗永徽，杨凯霖，林沂蓉，
申请(专利权)人：鸿海精密工业股份有限公司，
类型：发明
国别省市：