详情

原文传递强化工件光学特征的设备、方法、深度学习方法及媒体

专利名称：	强化工件光学特征的设备、方法、深度学习方法及媒体
摘要：	本发明提供一种强化工件光学特征的设备、方法、深度学习方法及媒体，该设备包括至少一个可变影像捕获设备、至少一个可变光源装置、一图像处理模块、以及一控制装置。该可变影像捕获设备对一工件进行影像撷取，且该可变影像捕获设备的外在参数与内在参数为可调整的。该可变光源装置对该工件提供光源，且该可变光源装置的光学输出特性为可调整的。该图像处理模块根据该瑕疵影像信息产生一特征强化信息。该控制装置根据该特征强化信息调整该外在参数、该内在参数、及该光学输出特性，并控制该可变影像捕获设备及该可变光源装置的操作，借以获得该工件的特征强化影像。
专利类型：	发明专利
国家地区组织代码：	中国台湾;71
申请人：	由田新技股份有限公司
发明人：	邹嘉骏
专利状态：	有效
申请日期：	2018-05-08T00:00:00+0800
发布日期：	2019-09-13T00:00:00+0800
申请号：	CN201810432174.3
公开号：	CN110231340A
代理机构：	北京维澳专利代理有限公司
代理人：	王立民;张应
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	中国台湾新北市中和区连城路268号10楼之1
主权项：	1.一种强化工件光学特征的设备，其特征在于，自外部接收一工件与对应的一瑕疵影像信息，该设备包括：至少一个可变影像捕获设备，于一工作区域内，对该工件进行影像撷取，其中该可变影像捕获设备的外在参数与内在参数为可调整的；至少一个可变光源装置，于该工作区域内，对该工件提供光源，其中该可变光源装置的光学输出特性为可调整的；一图像处理模块，根据该瑕疵影像信息，以产生一特征强化信息；以及一控制装置，根据该特征强化信息调整该外在参数、该内在参数、和/或该光学输出特性，并控制该可变影像捕获设备和/或该可变光源装置的操作，借以获得该工件的特征强化影像。 2.根据权利要求1项所述的设备，其特征在于，还包括：一耦接于该控制装置的运算器，该运算器加载储存装置后执行一深度学习模型，根据该特征强化影像，借以分辨该瑕疵影像信息。 3.根据权利要求2项所述的设备，其特征在于，该深度学习模型为LeNet模型、AlexNet模型、GoogleNet模型或VGG模型。 4.根据权利要求1项所述的设备，其特征在于，该可变光源装置可调整的该光学输出特性包括光源的强度、照射角度或频谱。 5.根据权利要求4项所述的设备，其特征在于，该可变光源装置包括数个设置于不同角度位置的灯具。 6.根据权利要求4项所述的设备，其特征在于，该可变光源装置所提供的不同频谱的光源包括白光、红光、蓝光、绿光、黄光、UV光或雷射光。 7.根据权利要求4项所述的设备，其特征在于，该可变光源装置包括数个灯组、以及一连接或耦接于该数个灯组的光源控制模块。 8.根据权利要求7项所述的设备，其特征在于，该光源控制模块包括：一光源强度控制单元，用以控制单一或数个该灯组的输出功率；一光源角度控制单元，用以控制灯组的照射角度；以及一光源频谱控制单元，用以控制输出不同频谱的光源。 9.根据权利要求1项所述的设备，其特征在于，该图像处理模块所接收的该瑕疵影像信息包括缺陷的类别信息和/或缺陷位置信息。 10.根据权利要求1项所述的设备，其特征在于，还包括：一或数个移载装置，用以将外部自动光学检测设备所传送的工件，移载至该工作区域内。 11.根据权利要求10项所述的设备，其特征在于，该移载装置为传输带、线性移动载台、真空吸附装置、多轴载具、多轴机械手臂或翻面装置。 12.根据权利要求1项所述的设备，特征在于，还包括：一第一移动式载台，用以承载该可变光源装置，其中该第一移动式载台在该工作区域内移动该可变光源装置，借以调整该可变光源装置的该光学输出特性。 13.根据权利要求12项所述的设备，其特征在于，该第一移动式载台为多维式的线性移动载台或多轴机械手臂。 14.根据权利要求1项所述的设备，特征在于，还包括：一第二移动式载台，用以承载该可变影像捕获设备，其中该第二移动式载台在该工作区域内移动该可变影像捕获设备，并配合调整该可变影像捕获设备的该外在参数与该内在参数。 15.根据权利要求1项所述的设备，其特征在于，该图像处理模块包括：一影像分析模块，影像分析该瑕疵影像信息，用以确认缺陷特征与缺陷种类；一缺陷定位模块，用以定位该缺陷特征于该工件上的相对位置；以及一缺陷面积计算模块，用以分析该缺陷特征的涵盖面积。 16.一种强化工件光学特征的方法，其特征在于，包括：自外部接收一工件与对应的一瑕疵影像信息；移动该工件至一工作区域；根据该瑕疵影像信息，产生一特征强化信息；根据该特征强化信息，调整一可变光源装置的光学输出特性，借以对该工作区域上的该工件提供光源；根据该特征强化信息，调整一可变影像捕获设备的外在参数与内在参数，借以影像撷取于该工作区域上的该工件，以获得该工件的特征强化影像。 17.根据权利要求16项所述的方法，其特征在于，还包括：提供该特征强化信息至一深度学习模型，借以训练该深度学习模型分辨该瑕疵影像信息。 18.根据权利要求17项所述的方法，其特征在于，该训练包括：将所获得的该特征强化影像输入至运算器，该运算器逐一针对输入的该特征强化影像进行训练，每一组的该特征强化影像包含有网络的输入值及预期输出两种参数；该输入值经由卷积神经网络重复经过卷积层、线性整流单元、池化层进行特征强化及影像压缩处理，并经由全连接层依据权重比例进行分类，经由正规化输出层输出分类的结果；借由比较模块将检测结果与预期输出进行比对，判断检测结果是否符合预期；以及若不符合预期，则该比较模块将所获得的误差值输出至权重调整模块，基于反向传播算法计算并调整该全连接层的权重。 19.根据权利要求16项所述的方法，其特征在于，调整该光学输出特性包括调整光源的强度、照射角度或频谱。 20.根据权利要求16项所述的方法，其特征在于，调整该可变影像捕获设备的该外在参数与该内在参数包括调整该可变影像捕获设备的拍摄位置、对焦位置或焦距。 21.根据权利要求16项所述的方法，其特征在于，根据该瑕疵影像信息，产生特征强化信息包括：影像分析该瑕疵影像信息，用以确认缺陷特征与缺陷种类；定位该缺陷特征在该工件上的相对位置；以及分析该缺陷特征的涵盖面积。 22.一种强化工件光学特征的深度学习方法，其特征在于，包括：自外部接收一工件与对应的一瑕疵影像信息；移动该工件至一工作区域；根据该瑕疵影像信息，产生一特征强化信息；根据该特征强化信息，调整一可变光源装置的光学输出特性，借以对该工作区域上的该工件提供光源；根据该特征强化信息，调整一可变影像捕获设备的外在参数与内在参数，借以影像撷取于该工作区域上的该工件，以获得该工件的一特征强化影像；正规化该特征强化影像，以形成一训练样本；以及提供该训练样本至一深度学习模型，借以训练该深度学习模型分辨该瑕疵影像信息。 23.一种非瞬时计算机可读取记录媒体，其特征在于，具有一计算机程序，当控制器加载该程序并执行后，完成如权利要求16至22项中任一项所述的方法。
所属类别：	发明专利