TWI731565B - 片狀材料快速檢測瑕疵整合系統及其使用方法 - Google Patents
片狀材料快速檢測瑕疵整合系統及其使用方法 Download PDFInfo
- Publication number
- TWI731565B TWI731565B TW109102703A TW109102703A TWI731565B TW I731565 B TWI731565 B TW I731565B TW 109102703 A TW109102703 A TW 109102703A TW 109102703 A TW109102703 A TW 109102703A TW I731565 B TWI731565 B TW I731565B
- Authority
- TW
- Taiwan
- Prior art keywords
- defect
- photos
- host
- light source
- photo
- Prior art date
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本發明提供一種片狀材料快速檢測瑕疵整合系統,供以檢測一布料,而片狀材料快速檢測瑕疵整合系統,包括:一光學檢測模組,供以對於該布料進行拍攝;一系統主機,與光學檢測模組資訊連接,系統主機具有資訊連接之一資料接收單元、一定位單元、一瑕疵判別伺服器,資料接收單元供以接收光學檢測模組拍攝之照片,該瑕疵判別伺服器供以擷取一瑕疵照片,定位單元供以將各該瑕疵照片與瑕疵位於片狀材料之對應座標位置綁定;一儲存主機,與主機系統資訊連接,儲存主機供以接收瑕疵照片及與瑕疵照片綁定之座標位置;一人工智能辨識單元,與儲存主機資訊連接, 人工智能辨識單元具有資訊連接之一訓練模組及一瑕疵分類模組,訓練模組供以接收各種樣板照片,訓練模組透過該些樣板照片形成一判別邏輯,瑕疵分類模組供以接收該瑕疵照片,瑕疵分類模組依據判別邏輯進行分類,再將各該瑕疵照片與其瑕疵分類綁定,再回傳至該儲存主機。
Description
本發明係關於一種光學檢查之技術,特別係關於一種整合光學檢查與深度學習之技術。
而所謂的捲對捲(Roll-to-Roll),是種高效能、連續性的生產方式,專門處理可撓性質的薄膜、軟板或布料,該類薄膜、軟板或布料從原筒狀的料卷捲出後,再對該薄膜、軟板或布料進行檢測,然後再捲成圓筒狀。
由於採用捲對捲(Roll-to-Roll)的手段,使待檢測的物件快速移動,然而,因為待檢測物,例如布料,在快速移動的過程中因為本身的重量而會產生震動,進而讓光學的檢測設備難以精準的檢測,即便光學的檢測設備已擷取布料上的瑕疵,也會因布料震動使光學的檢測設備檢測到的瑕疵變形,進而影響檢測的精準度,為此,急需一種能夠精確檢視布料上的微小瑕疵,且能夠進一步判斷布料上瑕疵的種類之檢測系統。
本發明提供一種片狀材料快速檢測瑕疵之系統,其主要目的係能夠精確檢視布料上的微小瑕疵,且能夠進一步判斷布料上瑕疵的種類。
為達前述目的,本發明片狀材料快速檢測瑕疵之系統,供以檢測一布料,而該片狀材料快速檢測瑕疵整合系統,包括:
一光學檢測模組,供以對於該布料進行拍攝;
一系統主機,與該光學檢測模組資訊連接,該系統主機具有資訊連接之一資料接收單元、一定位單元、一瑕疵判別伺服器,該資料接收單元供以接收該光學檢測模組拍攝之照片,該瑕疵判別伺服器供以擷取一瑕疵照片,該定位單元供以將各該瑕疵照片與瑕疵位於片狀材料之對應座標位置綁定;
一儲存主機,與該主機系統資訊連接,該儲存主機供以接收瑕疵照片及與該瑕疵照片綁定之座標位置;
一人工智能辨識單元,與該儲存主機資訊連接, 該人工智能辨識單元具有資訊連接之一訓練模組及一瑕疵分類模組,該訓練模組供以接收各種樣板照片,該訓練模組透過該些樣板照片形成一判別邏輯,該瑕疵分類模組供以接收該瑕疵照片,該瑕疵分類模組依據該判別邏輯進行分類,再將各該瑕疵照片與其瑕疵分類綁定,再回傳至該儲存主機。
本發明提供一種片狀材料快速檢測瑕疵整合系統之使用方法,包括:
一擷取照片步驟,供以對片狀材料連續攝影進行拍攝,以取得複數照片;
一判別步驟,供以判斷各該照片是否為瑕疵照片,並擷取瑕疵照片;
一位置取得步驟,取得瑕疵照片於片狀材料之相對座標,該座標與該瑕疵照片綁定;
一儲存步驟,記錄瑕疵照片及綁定之座標;
一訓練步驟,透過複數樣板照片進行分類,形成一判別邏輯;
一分類步驟,透過前述判斷邏輯對該些瑕疵照片進行瑕疵分類,並依據前述分類儲存該些照片。
藉由前述可知,本發明主要透過系統主機先初步判斷出瑕疵照片,再將瑕疵照片儲存於儲存主機,再透過人工智慧辨識單元由訓練後得出的判別邏輯對儲存於儲存主機的瑕疵照片進行精準的分類,如此一來人工智慧辨識單元僅需辨識少量瑕疵照片,而不用對光學檢測模組拍攝的全部照片進行辨識,以提升人工智慧辨識單元的效能,另外,透過人工智慧辨識單元亦能夠提供精準的分析,即便光學檢測模組檢測到的瑕疵變形也能夠透過人工智慧辨識單元精準的辨識瑕疵的種類及大小。
本發明提供一種片狀材料快速檢測瑕疵整合系統,請參照圖1至6、11至12所示,而該片狀材料快速檢測瑕疵整合系統供以檢測一布料F,而該片狀材料快速檢測瑕疵整合系統,包括:
一光學檢測模組10,供以對於該布料進行拍攝;
較佳的,該光學檢測模組10具有至少一攝影組10A,該攝影組10A具有一光源10B及一攝影鏡頭10C,該光源10B供以照射該布料F,該攝影鏡頭10C供以對於該布料F進行連續攝影;
一系統主機20,與該光學檢測模組10資訊連接,前述資訊連接可透過無線或有線之方式達成,該系統主機具20有資訊連接之一資料接收單元21、一定位單元22、一瑕疵判別伺服器23,該資料接收單元21供以接收該第一攝影鏡頭112、第二攝影鏡頭122拍攝之照片,該瑕疵判別伺服器23在透過照片中瑕疵外觀據以擷取瑕疵照片,前述瑕疵照片意指照片中的布料係具有瑕疵,該定位單元22係供以將各該瑕疵照片與瑕疵位於片狀材料之對應座標位置(X,Y)綁定,進而紀錄各該瑕疵位於布料的位置;
一儲存主機30,與該主機系統20資訊連接,前述資訊連接可透過無線或有線之方式達成,該儲存主機30供以接收瑕疵照片及與該瑕疵照片綁定之座標位置;
一人工智能辨識單元40,與該儲存主機30資訊連接,前述資訊連接可透過無線或有線之方式達成, 該人工智能辨識單元40具有資訊連接之一訓練模組41及一瑕疵分類模組42,該訓練模組41供以接收各種樣板照片,各該樣板照片可為各種的瑕疵照片,例如布料缺邊之照片、布料勾紗之照片、布料具有壓痕之照片、布料具有破洞之照片,該訓練模組41透過該些樣板照片形成一判別邏輯,該瑕疵分類模組42供以接收該儲存主機30之瑕疵照片,該瑕疵分類模組42依據該判別邏輯進行分類,再將各該瑕疵照片與其瑕疵分類綁定,再回傳至該儲存主機30。
於較佳實施例中,該布料F具有相對之一第一面F1及一第二面F2,該第一面F1朝向一第一側K1,該第二面F2朝向一第二側K2,該攝影組10A之數量為複數,且攝影組10A能夠區分為至少一第一攝影組11及至少一第二攝影組12,該第一攝影組11之光源10B為一第一光源111,該第一攝影組11之攝影鏡頭10C為一第一攝影鏡頭112,該第二攝影組12之光源10B為一第二光源121,該第二攝影組12之攝影鏡頭10C為一第二攝影鏡頭122,該第一光源111設置於該布料F之該第一側K1,該第一光源111供以照射該布料F之第一面F1,以形成一正面光源,該第二光源121設置於該布料F之該第二側K2,該第二光源121供以照射該布料F之第二面F2,以形成一背面光源,該第一攝影鏡頭112、第二攝影鏡頭122皆設置在該布料之第一側K1,第一攝影鏡頭112及該第二攝影鏡頭122對於該布料F之第一面F1進行連續攝影,該第一攝影鏡頭112是透過正面光源進行拍攝,該第二攝影鏡頭122是透過該背面光源進行拍攝;
於較佳實施例中,該儲存主機30或該系統主機具20有一製表單元50,各該製表單元50依據該瑕疵照片及與其綁定之瑕疵座標、瑕疵分類進行綁定,以形成一紀錄表單T。
於另一較佳實施例中,該製表單元50依據該瑕疵照片及與其綁定之瑕疵編號、圖式、瑕疵座標、瑕疵分類進行綁定,以形成一紀錄表單T。
於較佳實施例中,該儲存主機30或該系統主機20具有一圖像化單元60,該圖像化單元60依據綁定之瑕疵座標、瑕疵分類形成一瑕疵示意圖P,該瑕疵示意圖P上於與該瑕疵座標對應之位置上顯示一標記P1。
較佳的,該標記P1依據該瑕疵分類形成不同圖案,以進行視覺化的示意,舉例而言,座標(765,1455)之瑕疵為破洞、座標(6541,888)之座標為缺邊,則該圖像化單元60則於該圖示上對應座標(765,1455)之位置標示圓圈,圖示上對應座標(6541,888)之位置標示三角形。
較佳的, 該系統主機20另具有一初步分類模組24,該初步分類模組24供以將瑕疵照片進行初步分類,再將分類後結果回傳至該儲存主機30,而若該瑕疵分類模組42之分類與該初步分類模組24對於同一張瑕疵照片具有不同分類時,以瑕疵分類模組42之瑕疵分類取代初步分類模組24之分類結果,並調整該初步分類模組24的演算法,使初步分類模組24分類的精準度能夠更趨近於瑕疵分類模組42。
一種片狀材料快速檢測瑕疵整合系統之使用方法,請參照圖7至10,包括:
一擷取照片步驟S1,對片狀材料連續攝影進行拍攝,以取得複數照片;
一判別步驟S2,供以判斷各該照片是否為瑕疵照片,並擷取瑕疵照片,前述判別機制可透過照片中瑕疵外觀識別,但不限於此;
一位置取得步驟S3,取得瑕疵照片於片狀材料之相對座標,該座標與該瑕疵照片綁定;
一儲存步驟S4,記錄瑕疵照片及瑕疵發生之座標,並據以備份以避免遺失;
一訓練步驟S5,透過複數樣板照片進行分類定義,形成一判別邏輯,更進一步的,可藉由提高樣板照片的數量以提升判別邏輯的準確度;
較佳的,前述分類定義可透過人員輔助擬定;
一分類步驟S6,透過前述判斷邏輯對該些瑕疵照片進行瑕疵分類,並依據前述分類儲存該些照片。
較佳的,另包括一製表步驟S7,依據綁定之瑕疵照片、座標及瑕疵分類製成一記錄表單T。
較佳的,另包括一製圖步驟S8,依據綁定之瑕疵照片、座標及瑕疵分類製成一瑕疵示意圖P,該瑕疵示意圖P上於與該瑕疵座標對應之位置上顯示一標記P1。
較佳的,該標記P1依據該瑕疵分類形成不同圖案,以進行視覺化的示意圖,舉例而言,座標(765,1455)之瑕疵為破洞、座標(6541,888)之座標為缺邊,則該圖像化單元60於該圖示上對應座標(765,1455)之位置標示圓圈,圖示上對應座標(6541,888)之位置標示三角形。
藉由前述可知,本發明主要透過系統主機20先初步判斷出瑕疵照片,再將瑕疵照片儲存於儲存主機30,再透過人工智慧辨識單元40由訓練後得出的判別邏輯對儲存於儲存主機30的瑕疵照片進行精準的分類,如此一來經系統主機20的初步篩選,人工智慧辨識單元40僅需辨識少量瑕疵照片,辨識量減少比率可高達99%,而不用對光學檢測模組10拍攝的全部照片進行辨識,以提升人工智慧辨識單元40的效能,另外,透過人工智慧辨識單元40亦能夠提供精準的分析,即便光學檢測模組10檢測到的瑕疵變形也能夠透過人工智慧辨識單元40精準的辨識瑕疵的種類及大小。
10:光學檢測模組
10A:攝影組
10B:光源
10C:攝影鏡頭
11:第一攝影組
111:第一光源
112:第一攝影鏡頭
12:第二攝影組
121:第二光源
122:第二攝影鏡頭
20:系統主機
21:資料接收單元
22:定位單元
23:瑕疵判別伺服器
24:初步分類模組
30:儲存主機
40:人工智能辨識單元
41:訓練模組
42:瑕疵分類模組
50:製表單元
60:圖像化單元
F:布料
K1:第一側
K2:第二側
P:瑕疵示意圖
P1:標記
F1:第一面
F2:第二面
T:紀錄表單
S1:擷取照片步驟
S2:判別步驟
S3:位置取得步驟
S4:儲存步驟
S5:訓練步驟
S6:分類步驟
S7:製表步驟
S8:製圖步驟
圖1 為本發明片狀材料快速檢測瑕疵整合系統之光學檢測模組之示意圖。
圖2 為本發明片狀材料快速檢測瑕疵整合系統之示意圖。
圖3 為本發明片狀材料快速檢測瑕疵整合系統之系統主機的示意圖。
圖4 為本發明片狀材料快速檢測瑕疵整合系統之系統主機的示意圖。
圖5 為本發明片狀材料快速檢測瑕疵整合系統較佳實施例之示意圖。
圖6 為本發明片狀材料快速檢測瑕疵整合系統較佳實施例之示意圖。
圖7 為本發明片狀材料快速檢測瑕疵整合系統之使用方法。
圖8 為本發明片狀材料快速檢測瑕疵整合系統之使用方法較佳實施例的示意圖。
圖9 為本發明片狀材料快速檢測瑕疵整合系統之使用方法較佳實施例的示意圖。
圖10 為本發明片狀材料快速檢測瑕疵整合系統之使用方法較佳實施例的示意圖。
圖11 為本發明片狀材料快速檢測瑕疵整合系統較佳實施例之示意圖。
圖12 為本發明片狀材料快速檢測瑕疵整合系統較佳實施例之示意圖。
10:光學檢測模組
20:系統主機
30:儲存主機
40:人工智能辨識單元
41:訓練模組
42:瑕疵分類模組
F:布料
Claims (6)
- 一種片狀材料快速檢測瑕疵整合系統,供以檢測一布料,而該片狀材料快速檢測瑕疵整合系統,包括:一光學檢測模組,供以對於該布料進行拍攝;一系統主機,與該光學檢測模組資訊連接,該系統主機具有資訊連接之一資料接收單元、一定位單元、一瑕疵判別伺服器,該資料接收單元供以接收該光學檢測模組拍攝之照片,該瑕疵判別伺服器供以擷取一瑕疵照片,該定位單元供以將各該瑕疵照片與瑕疵位於片狀材料之對應座標位置綁定;一儲存主機,與該主機系統資訊連接,該儲存主機供以接收瑕疵照片及與該瑕疵照片綁定之座標位置;一人工智能辨識單元,與該儲存主機資訊連接,該人工智能辨識單元具有資訊連接之一訓練模組及一瑕疵分類模組,該訓練模組供以接收各種樣板照片,該訓練模組透過該些樣板照片形成一判別邏輯,該瑕疵分類模組供以接收該瑕疵照片,該瑕疵分類模組依據該判別邏輯進行分類,再將各該瑕疵照片與其瑕疵分類綁定,再回傳至該儲存主機;該布料具有相對之一第一面及一第二面,該第一面朝向一第一側,該第二面朝向一第二側,該光學檢測模組具有至少一第一攝影組及至少一第二攝影組,該第一攝影組具有一第一光源及一第一攝影鏡頭,該第二攝影組具有一第二光源及一第二攝影鏡頭,該第一光源設置於該布料之該第一側,該第一光源供以照射該布料之第一面,以形成一正面光源,該第二光源設置於該布料之該第二側,該第二光源供以照射該布料之第二面,以形成一背面光源,該第一攝影鏡頭、第二攝影鏡頭皆設置在該布料之第一側,第一攝影鏡頭及該第二攝影鏡頭 對於該布料之第一面進行攝影,該第一攝影鏡頭是透過正面光源進行拍攝,該第二攝影鏡頭是透過該背面光源進行拍攝;該資料接收單元供以接收該第一攝影鏡頭、第二攝影鏡頭拍攝之照片。
- 如申請專利範圍第1項所述之片狀材料快速檢測瑕疵整合系統,其中,該儲存主機或該系統主機具有一製表單元,該製表單元依據該瑕疵照片及與其綁定之瑕疵座標、瑕疵分類形成一紀錄表單。
- 如申請專利範圍第1項所述之片狀材料快速檢測瑕疵整合系統,其中,該儲存主機或該系統主機具有一製表單元,該製表單元依據該瑕疵照片及與其綁定之瑕疵編號、圖式、瑕疵座標、瑕疵分類以形成一紀錄表單。
- 如申請專利範圍第1項所述之片狀材料快速檢測瑕疵整合系統,該儲存主機或該系統主機具有一圖像化單元,該圖像化單元依據綁定之瑕疵座標、瑕疵分類形成一瑕疵示意圖,於該瑕疵示意圖上與該瑕疵座標對應之位置上顯示一標記。
- 如申請專利範圍第4項所述之片狀材料快速檢測瑕疵整合系統,該標記依據該瑕疵分類形成不同圖案,以進行視覺化的示意圖。
- 如申請專利範圍第1項所述之片狀材料快速檢測瑕疵整合系統,該系統主機另具有一初步分類模組,該初步分類模組供以將瑕疵照片進行初步分類。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109102703A TWI731565B (zh) | 2020-01-30 | 2020-01-30 | 片狀材料快速檢測瑕疵整合系統及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109102703A TWI731565B (zh) | 2020-01-30 | 2020-01-30 | 片狀材料快速檢測瑕疵整合系統及其使用方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI731565B true TWI731565B (zh) | 2021-06-21 |
TW202129590A TW202129590A (zh) | 2021-08-01 |
Family
ID=77517507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109102703A TWI731565B (zh) | 2020-01-30 | 2020-01-30 | 片狀材料快速檢測瑕疵整合系統及其使用方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI731565B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206772843U (zh) * | 2017-05-17 | 2017-12-19 | 无锡精质视觉科技有限公司 | 结合ccd线扫描相机与深度学习的缺陷分类检测*** |
CN209081912U (zh) * | 2018-07-12 | 2019-07-09 | 卓峰智慧生态有限公司 | 基于人工智能的皮革检测设备与皮革制品生产*** |
TW202001696A (zh) * | 2018-06-29 | 2020-01-01 | 由田新技股份有限公司 | 利用深度學習系統的自動光學檢測分類設備及其訓練設備 |
TWM600842U (zh) * | 2020-01-30 | 2020-09-01 | 遠傳電信股份有限公司 | 片狀材料快速檢測瑕疵整合系統 |
-
2020
- 2020-01-30 TW TW109102703A patent/TWI731565B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206772843U (zh) * | 2017-05-17 | 2017-12-19 | 无锡精质视觉科技有限公司 | 结合ccd线扫描相机与深度学习的缺陷分类检测*** |
TW202001696A (zh) * | 2018-06-29 | 2020-01-01 | 由田新技股份有限公司 | 利用深度學習系統的自動光學檢測分類設備及其訓練設備 |
CN209081912U (zh) * | 2018-07-12 | 2019-07-09 | 卓峰智慧生态有限公司 | 基于人工智能的皮革检测设备与皮革制品生产*** |
TWM600842U (zh) * | 2020-01-30 | 2020-09-01 | 遠傳電信股份有限公司 | 片狀材料快速檢測瑕疵整合系統 |
Also Published As
Publication number | Publication date |
---|---|
TW202129590A (zh) | 2021-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI689875B (zh) | 利用深度學習系統的自動光學檢測分類設備及其訓練設備 | |
TWI225927B (en) | Defect inspection system | |
TWI693397B (zh) | 檢查管理系統、檢查管理裝置以及檢查管理方法 | |
CN109142371A (zh) | 基于深度学习的高密度柔性基板外观缺陷检测***与方法 | |
Mahalingam et al. | Pcb-metal: A pcb image dataset for advanced computer vision machine learning component analysis | |
WO2017092427A1 (zh) | 一种电子元件定位方法及装置 | |
WO2007062563A1 (fr) | Procede d'examen automatique en ligne pour des detections de defauts de surface d'acier pendant le pretraitement de toles d'acier | |
JP2017198671A (ja) | 画像処理装置および画像処理方法 | |
JP7166189B2 (ja) | 画像生成装置、検査装置及び画像生成方法 | |
TWI707137B (zh) | 智能產線監測系統及監測方法 | |
WO2024055796A1 (zh) | 一种缺陷检测***、方法、装置、电子设备及存储介质 | |
CN113850749A (zh) | 训练缺陷侦测器的方法 | |
TWM600842U (zh) | 片狀材料快速檢測瑕疵整合系統 | |
JP2020187696A (ja) | 異物マーク判別方法、シート検査装置及びプログラム | |
TWI731565B (zh) | 片狀材料快速檢測瑕疵整合系統及其使用方法 | |
KR20230064319A (ko) | 인공지능을 이용한 결함 검사방법, 장치 및 프로그램 | |
TWI812697B (zh) | 圖像識別裝置、及具有圖像識別裝置的物品製造裝置 | |
TWI749714B (zh) | 瑕疵檢測方法、瑕疵分類方法及其系統 | |
TWI823159B (zh) | 具人機互動功能的瑕疵檢測系統 | |
CN113267501A (zh) | 片状材料快速检测瑕疵整合***及其使用方法 | |
TWM606740U (zh) | 瑕疵檢測系統 | |
JP6769447B2 (ja) | 鋼板の疵検査装置及び疵検査方法 | |
Kleber et al. | Optical sensor evaluation for vision based recognition of electronics waste | |
TWI828544B (zh) | 應用於協助提升自動視覺檢測系統之檢測準確率的互動式用戶反饋系統 | |
JP2007132858A (ja) | 疵検出方法、装置、及びコンピュータプログラム |