【技术实现步骤摘要】
本专利技术涉及一种影像缺陷检测系统、其产生方法及计算机可读取记录媒体，尤其是涉及可降低人力需求及时间成本的影像缺陷检测系统、其产生方法及计算机可读取记录媒体。
技术介绍
1、在执行自动光学检查(automatic optical inspection，aoi)时，通常藉由搜集产品的多个影像来训练影像缺陷检测系统的机器学习或深度学习(deep learning)模型。然而，在使用这些影像进行模型的训练之前，常需要对这些影像进行标记以提升aoi检测模型在检测准确度方面的表现。
2、为了对这些影像进行标记，传统的aoi检测程序在建立影像缺陷检测系统时，往往需要大量人工进行标记工作，因此如何降低大量的标记工作就成为此领域的一个重要课题；另一方面，在一些出现不良品的机率极低、不良品的种类庞杂或刚开始投入aoi检测的制程中，也不易针对不良品的影像进行搜集及分类。换句话说，在不良品所占的比例不高或数量不足以充分表现不良品所有种类的情况下，常导致模型训练困难的情况，造成在此制程中无法迅速导入甚至完全无法导入aoi检测。
3、因此，应用aoi检测的相关技术仍需要对产生影像缺陷检测系统的方法进行改良，以期能降低人力需求及时间成本。
4、从而，需要提供一种影像缺陷检测系统、其产生方法及计算机可读取记录媒体来解决上述问题。
技术实现思路
1、鉴于上述问题，本专利技术提供一种影像缺陷检测系统、其产生方法及计算机可读取记录媒体，有助于解决需要在投入大量人力及时间才能完成影像
2、本专利技术一实施例所公开的影像缺陷检测系统的产生方法包含：基于半监督式学习模型取得分别关联于多个验证影像的多个验证差异分数；基于这些验证差异分数计算一阈值；基于这些验证差异分数建立一备用推论模型；基于半监督式学习模型取得关联于测试影像的一测试差异分数；相对于测试差异分数及阈值，藉由备用推论模型调整阈值；以及输出包含测试差异分数的一数据。
3、本专利技术另一实施例所公开的影像缺陷检测系统，包含：一站台装置及一服务器。站台装置具有一取像元件，服务器通信连接站台装置，且具有一半监督式学习模型、一备用推论模型以及一阈值。服务器执行：基于半监督式学习模型取得分别关联于多个验证影像的多个验证差异分数；基于这些验证差异分数计算阈值；基于这些验证差异分数建立备用推论模型；基于半监督式学习模型取得关联于一测试影像的一测试差异分数；相对于测试差异分数及阈值，藉由备用推论模型调整阈值；以及输出包含测试差异分数的一数据。
4、本专利技术又一实施例所公开的计算机可读取记录媒体，内储一程序，且在一运算装置载入并执行此程序后，执行包含：基于半监督式学习模型取得分别关联于多个验证影像的多个验证差异分数；基于这些验证差异分数计算一阈值；基于这些验证差异分数建立一备用推论模型；基于半监督式学习模型取得关联于测试影像的一测试差异分数；相对于测试差异分数及阈值，藉由备用推论模型调整阈值；以及输出包含测试差异分数的一数据。
5、本专利技术的影像缺陷检测系统、其产生方法及计算机可读取记录媒体，不但可以藉由半监督式学习模型的特点降低在人力投入及时间等待等方面的需求，且还大幅地在自动化决定阈值的部分作提升，避免了检测人员纯粹使用肉眼决定的主观影响，也加速了推论模型布署速度。
6、以上关于本
技术实现思路
的说明及以下实施方式的说明是用以示范与解释本专利技术的原理，并提供本专利技术的权利要求书更进一步的解释。
【技术保护点】
1.一种影像缺陷检测系统的产生方法，该影像缺陷检测系统的产生方法包括：
2.如权利要求1所述的影像缺陷检测系统的产生方法，其中，相对于该测试差异分数及该阈值，藉由该备用推论模型调整该阈值包括：
3.如权利要求1所述的影像缺陷检测系统的产生方法，该影像缺陷检测系统的产生方法还包括将多个训练影像输入基于生成对抗网络的一异常检测模型，以建立该半监督式学习模型。
4.如权利要求1所述的影像缺陷检测系统的产生方法，其中基于该半监督式学习模型取得分别关联于该些验证影像的该些验证差异分数包括：
5.如权利要求1所述的影像缺陷检测系统的产生方法，其中基于该些验证差异分数计算该阈值包括：计算该些验证差异分数的平均值，以该平均值作为该阈值。
6.如权利要求1所述的影像缺陷检测系统的产生方法，其中基于该些验证差异分数建立该备用推论模型包括：以单类别支持向量机算法基于该些验证差异分数建立该备用推论模型。
7.如权利要求6所述的影像缺陷检测系统的产生方法，其中藉由该备用推论模型调整该阈值包括：以该单类别支持向量机算法计算出将该些验证差
8.如权利要求1所述的影像缺陷检测系统的产生方法，其中该数据还包括：该测试影像的文件名、良品与否的判断结果以及该阈值。
9.如权利要求2所述的影像缺陷检测系统的产生方法，该影像缺陷检测系统的产生方法还包括：在该测试差异分数小于或等于该阈值时，产生该测试影像的一判断结果为良品；
10.如权利要求2所述的影像缺陷检测系统的产生方法，该影像缺陷检测系统的产生方法还包括：在该测试差异分数小于或等于该阈值时，产生该测试影像的一判断结果为良品；
11.一种影像缺陷检测系统，该影像缺陷检测系统包括：
12.如权利要求11所述的影像缺陷检测系统，其中，相对于该测试差异分数及该阈值，藉由该备用推论模型调整该阈值包括：
13.如权利要求11所述的影像缺陷检测系统，其中该半监督式学习模型为基于生成对抗网络的一异常检测模型。
14.如权利要求11所述的影像缺陷检测系统，其中该服务器将该些验证影像输入该半监督式学习模型，以取得分别对应该些验证影像的多个重建影像；取得分别对应于该些验证影像的多个第一段特征向量；取得分别对应于该些重建影像的多个第二段特征向量；以及计算该些第一段特征向量的每一者及该些第二段特征向量中对应的一者的平方差和，以取得分别关联于该些验证影像的该些验证差异分数。
15.如权利要求11所述的影像缺陷检测系统，其中基于该些验证差异分数所计算得的该阈值，为该些验证差异分数的平均值。
16.如权利要求11所述的影像缺陷检测系统，其中基于该些验证差异分数所建立的该备用推论模型，为以单类别支持向量机算法基于该些验证差异分数建立的推论模型。
17.如权利要求16所述的影像缺陷检测系统，其中藉由该备用推论模型所调整的该阈值，为以该单类别支持向量机算法计算出将该些验证差异分数区分为两个群集的边界值。
18.如权利要求11所述的影像缺陷检测系统，其中该数据还包括：该测试影像的文件名、良品与否的判断结果以及该阈值。
19.如权利要求12所述的影像缺陷检测系统，其中该服务器还执行：在该测试差异分数小于或等于该阈值时，产生该测试影像的一判断结果为良品；以及
20.如权利要求12所述的影像缺陷检测系统，其中该服务器还执行：在该测试差异分数小于或等于该阈值时，产生该测试影像的一判断结果为良品；以及
21.一种计算机可读取记录媒体，该计算机可读取记录媒体内储一程序，且在一运算装置载入并执行该程序后，执行包括：
22.如权利要求21所述的计算机可读取记录媒体，其中，相对于该测试差异分数及该阈值，藉由该备用推论模型调整该阈值包括：
23.如权利要求21所述的计算机可读取记录媒体，其中在一运算装置载入并执行该程序后还执行：将多个训练影像输入基于生成对抗网络的一异常检测模型，以建立该半监督式学习模型。
24.如权利要求21所述的计算机可读取记录媒体，其中基于该半监督式学习模型取得分别关联于该些验证影像的该些验证差异分数包括：
25.如权利要求22所述的计算机可读取记录媒体，其中基于该些验证差异分数计算该阈值包括：计算该些验证差异分数的平均值，以该平均值作为该阈值；
...【技术特征摘要】
1.一种影像缺陷检测系统的产生方法，该影像缺陷检测系统的产生方法包括：
2.如权利要求1所述的影像缺陷检测系统的产生方法，其中，相对于该测试差异分数及该阈值，藉由该备用推论模型调整该阈值包括：
3.如权利要求1所述的影像缺陷检测系统的产生方法，该影像缺陷检测系统的产生方法还包括将多个训练影像输入基于生成对抗网络的一异常检测模型，以建立该半监督式学习模型。
4.如权利要求1所述的影像缺陷检测系统的产生方法，其中基于该半监督式学习模型取得分别关联于该些验证影像的该些验证差异分数包括：
5.如权利要求1所述的影像缺陷检测系统的产生方法，其中基于该些验证差异分数计算该阈值包括：计算该些验证差异分数的平均值，以该平均值作为该阈值。
6.如权利要求1所述的影像缺陷检测系统的产生方法，其中基于该些验证差异分数建立该备用推论模型包括：以单类别支持向量机算法基于该些验证差异分数建立该备用推论模型。
7.如权利要求6所述的影像缺陷检测系统的产生方法，其中藉由该备用推论模型调整该阈值包括：以该单类别支持向量机算法计算出将该些验证差异分数区分为两个群集的边界值，并将该阈值调整为该边界值。
8.如权利要求1所述的影像缺陷检测系统的产生方法，其中该数据还包括：该测试影像的文件名、良品与否的判断结果以及该阈值。
9.如权利要求2所述的影像缺陷检测系统的产生方法，该影像缺陷检测系统的产生方法还包括：在该测试差异分数小于或等于该阈值时，产生该测试影像的一判断结果为良品；
10.如权利要求2所述的影像缺陷检测系统的产生方法，该影像缺陷检测系统的产生方法还包括：在该测试差异分数小于或等于该阈值时，产生该测试影像的一判断结果为良品；
11.一种影像缺陷检测系统，该影像缺陷检测系统包括：
12.如权利要求11所述的影像缺陷检测系统，其中，相对于该测试差异分数及该阈值，藉由该备用推论模型调整该阈值包括：
13.如权利要求11所述的影像缺陷检测系统，其中该半监督式学习模型为基于生成对抗网络的一异常检测模型。
14.如权利要求11所述的影像缺陷检测系统，其中该服务器将该些验证影...
【专利技术属性】
技术研发人员：蔡亚成，梅哲玮，
申请(专利权)人：纬创资通昆山有限公司，
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。