[发明专利]物件表面型态检测系统及其基于人工神经网络的检测方法

权利要求书

1.一种基于人工神经网络的物件表面型态检测方法，其特征在于，包括：

接收若干个物件的若干个物件影像，其中各该物件的该若干个物件影像包括基于若干个打光方位的光线撷取该物件的影像，且该若干个打光方位互不相同；

叠合各该物件的该若干个物件影像为一初始影像；

以该若干个物件的该若干个初始影像执行一深度学习以建立识别该物件的表面型态的一预测模型。

2.如权利要求1所述的基于人工神经网络的物件表面型态检测方法，其特征在于，还包括：

正规化该若干个物件影像；

其中叠合各该物件的该若干个物件影像为该初始影像的步骤包括：叠合正规化后的各该物件的该若干个物件影像为该初始影像。

3.如权利要求1所述的基于人工神经网络的物件表面型态检测方法，其特征在于，还包括：

转换该若干个初始影像为矩阵；

其中以该若干个物件的该若干个初始影像执行该深度学习的步骤包括：以该若干个矩阵执行该深度学习。

4.如权利要求1所述的基于人工神经网络的物件表面型态检测方法，其特征在于，该若干个打光方位的该若干个光线为不同光谱。

5.如权利要求1所述的基于人工神经网络的物件表面型态检测方法，其特征在于，该若干个打光方位的该若干个光线为相同光谱。

6.如权利要求5所述的基于人工神经网络的物件表面型态检测方法，其特征在于，各该物件的该若干个物件影像还包括基于该若干个打光方位的另一光线撷取该物件的影像，且该另一光线的光谱不同于该光线。

7.如权利要求1所述的基于人工神经网络的物件表面型态检测方法，其特征在于，该预测模型识别的该表面型态为槽孔、裂缝、凸块、沙孔、气孔、撞痕、刮痕及边缘。

8.如权利要求1所述的基于人工神经网络的物件表面型态检测方法，其特征在于，该深度学习以一卷积神经网络演算法实现。

9.如权利要求1所述的基于人工神经网络的物件表面型态检测方法，其特征在于，各该物件的各该物件影像是由该物件的若干个检测影像拼接而成。

10.如权利要求1所述的基于人工神经网络的物件表面型态检测方法，其特征在于，以该初始影像执行该深度学习的步骤包括根据若干个预设表面型态类别分类各该初始影像。

11.一种物件表面型态检测系统，其特征在于，包含：

一驱动组件，承载一物件，其中该物件的表面沿一第一方向划分为若干个表面区块，且该驱动组件还用于依序位移该若干个表面区块至一检测位置；

若干个光源组件，面向该检测位置配置在该检测位置的不同的若干个打光方位上，分别提供一光线以照射该检测位置，其中相对于位于该检测位置的该表面区块的一正向法线，各该光源组件所供的该光线的一光入射角小于或等于90度；

一感光元件，面向该检测位置配置，在该光线以各该打光方位照射该检测位置时撷取依序位于该检测位置上的各该表面区块的一检测影像。

12.如权利要求11所述的物件表面型态检测系统，其特征在于，该若干个打光方位至少包括该检测位置的前侧、该检测位置的后侧、该检测位置左侧及该检测位置的右侧。

13.如权利要求11所述的物件表面型态检测系统，其特征在于，该若干个光源组件中任二相邻的光源组件的光轴之间具有相同的既定夹角。

14.如权利要求11所述的物件表面型态检测系统，其特征在于，该若干个光源组件是以相同该光入射角提供该光线。