[发明专利]基于人工神经网络的物件表面型态的检测方法

说明书

一种基于人工神经网络的物件表面型态的检测方法，包括：接收若干个物件影像；划分各物件影像为若干个影像区域；指定各物件影像的若干个影像区域中的至少一感兴趣区域；以及以至少一感兴趣区域进行一深度学习以建立识别一物件的表面型态的一预测模型。利用本发明的基于人工神经网络的物件表面型态的检测方法，可弹性针对物件影像的特定区域进行训练，以建立相对精准的预测模型，借以加速训练时间。

【技术领域】

本发明是关于一种人工神经网络训练系统，尤其是一种基于人工神经网络的物件表面型态的检测方法。

【背景技术】

各种安全性保护措施是通过许多小型结构物件所组成，例如安全带。若是这些小型结构物件强度不足则可以令安全性保护措施的保护作用产生疑虑。

这些结构物件在制造过程中可能因为各种原因，例如碰撞、制程误差、模具缺陷等，而导致其表面产生微小的缺陷，例如槽孔、裂缝、凸块及纹理等。这些微小的缺陷并不容易被查觉。现有的缺陷检测方法其中之一是人工以肉眼观察或以双手触摸待检测的结构物件，以判定结构物件是否具有缺陷，例如凹坑、划痕、色差、缺损等。然而，以人工方式检测结构物件是否具有缺陷的效率较差，且极容易发生误判的情形，如此将造成结构物件的良率无法控管。

【发明内容】

在一实施例中，一种基于人工神经网络的物件表面型态的检测方法，包括：接收若干个物件影像；划分各物件影像为若干个影像区域；指定各物件影像的若干个影像区域中的至少一感兴趣区域；以及以至少一感兴趣区域进行一深度学习以建立识别一物件的表面型态的一预测模型。

综上所述，根据本案的基于人工神经网络的物件表面型态的检测方法的一实施例，可弹性针对物件影像的特定区域(指定的感兴趣区域)进行训练，以建立相对精准的预测模型，借以加速训练时间。在一些实施例中，根据本案的基于人工神经网络的物件表面型态的检测方法的一实施例，还可利用建立的预设模型，直接针对物件影像的特定区域进行预测，以分类物件影像的特定区域的表面型态，借以加速预设时间，进而得到较低的过放(Miss)率。

【附图说明】

图1为根据本发明一实施例的基于人工神经网络的物件表面型态的检测方法的流程图。

图2为图1的步骤S02中所述及的影像区域的一示范例的示意图。

图3为图1的步骤S01中所述及的物件影像的一示范例的示意图。

图4为图1的步骤S01中所述及的物件影像的另一示范例的示意图。

图5为根据本发明一实施例的针对物件表面型态的影像扫描系统的示意图。

图6为图5的针对物件表面型态的影像扫描系统的功能示意图。

图7为图5的物件、光源组件及感光元件之间于光学上的相对位置的一实施例的示意图。

图8为图5的物件、光源组件及感光元件之间于光学上的相对位置的另一实施例的示意图。

图9为图7的物件上的表面型态的一实施例的示意图。

图10为图5的物件、光源组件及感光元件之间于光学上的相对位置的又一实施例的示意图。

图11为根据本发明另一实施例的针对物件表面型态的影像扫描系统的示意图。

图12为针对物件表面型态的影像扫描系统所生成的检测影像的一示范例的示意图。

图13为针对物件表面型态的影像扫描系统所生成的物件影像的一示范例的示意图。

【具体实施方式】

参照图1，基于人工神经网络的物件表面型态的检测方法适用于一人工神经网络系统。人工神经网络系统具有学习阶段(即训练)及预测阶段。