[发明专利]基于人工神经网络的物件表面型态的筛选方法

说明书

一种基于人工神经网络的物件表面型态的筛选方法，其包括：接收至少一物件影像；以一第一预测模型进行各物件影像的表面型态识别以分类为一第一正常群组与一第一异常群组；以及以一第二预测模型进行该第一正常群组中的各输出影像的表面型态识别以分类为一第二正常群组与一第二异常群组。利用本发明的基于人工神经网络的物件表面型态的筛选方法，通过串接的不同训练条件的多个神经网络接续性地对物件影像进行表面型态识别，以精准且快速地分类物件影像，借以基于物件影像的分类结果有效率地筛选物件影像对应的物件，进而得到较低的过放率。

【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筛选方法。

【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筛选方法，包括：接收至少一物件影像；以一第一预测模型进行各物件影像的表面型态识别以分类为一第一正常群组与一第一异常群组；以及以一第二预测模型进行该第一正常群组中的各输出影像的表面型态识别以分类为一第二正常群组与一第二异常群组。

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筛选方法的实施例，通过串接的不同训练条件的多个神经网络接续性地对物件影像进行表面型态识别，以精准且快速地分类物件影像，借以基于物件影像的分类结果有效率地筛选物件影像对应的物件，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人工神经网络系统的示意图。

图2为根据本发明另一实施例的人工神经网络系统的示意图。

图3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筛选方法的流程图。

图4为根据本发明一实施例的子神经网络系统的训练方法的流程图。

图5为根据本发明一实施例的子神经网络系统的检测方法的流程图。

图6为影像区域的一示范例的示意图。

图7为根据本发明另一实施例的子神经网络系统的训练方法的流程图。

图8为根据本发明另一实施例的子神经网络系统的检测方法的流程图。

图9为根据本发明又一实施例的子神经网络系统的训练方法的流程图。

图10为根据本发明又一实施例的子神经网络系统的检测方法的流程图。

图11为根据本发明再一实施例的子神经网络系统的训练方法的流程图。

图12为根据本发明再一实施例的子神经网络系统的检测方法的流程图。

图13为物件影像的一示范例的示意图。

图14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15为针对物件表面型态的影像扫描系统的第一实施例的功能示意图。

图16为图14的物件、光源组件及感光元件之间于光学上的相对位置的第一实施例的示意图。