[发明专利]智能型光学检测的样品特征与瑕疵自动标记方法及其装置

权利要求书

1.一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，实施方法依照顺序主要分为三阶段，第一阶段为人工标记阶段，第二阶段为半自动标记人工辅助阶段，第三阶段为自动标记阶段。

2.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第一阶段的实施方法包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；人工标记特征或瑕疵，是指以人工方式将取像图片中样品的特征或瑕疵进行框选并加以标记；人工标记分类，是指将取像的样品图像及标记结果以人工方式加以分类记录；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型为基础的神经网络，以深度学习的方式进行训练；导出模型训练结果，是指将模型训练结果导出至数据库单元。

3.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第二阶段实施方法共有三种流程可据以实施，其第一流程包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；人工标记特征或瑕疵，是指以人工方式将取像图片中样品的特征或瑕疵进行框选并加以标记；自动标记分类，是指将取像的样品图像及标记结果由智能辨识器利用数据库单元传输的模型训练结果数据自动将标记结果分类记录；人工检查，是指为防止由智能辨识器自动对取像图片中样品特征或瑕疵进行框选并标记，或是对标记结果进行分类时，标记或分类结果有漏杀或过杀的误判，故以人工方式对分类结果做检查，如有误判情形发生便对其分类结果作修正；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型为基础的神经网络，以深度学习的方式进行训练；导出模型训练结果，是指将模型训练结果导出至数据库单元。

4.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第二阶段实施方法的第二流程包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；自动标记特征或瑕疵，是指由智能辨识器利用数据库单元传输的模型训练结果数据自动对取像图片中样品特征或瑕疵进行框选并加以标记；人工标记分类，是指将取像的样品图像及标记结果以人工方式进行分类记录；人工检查，是指为防止由智能辨识器自动对取像图片中样品特征或瑕疵进行框选及标记或是对标记结果进行分类时，有漏杀或过杀的误判，故以人工方式对分类结果做检查，如有误判情形发生便对其分类结果作修正；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型为基础的神经网络，以深度学习的方式进行训练；导出模型训练结果，是指将模型训练结果导出至数据库单元。

5.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第二阶段实施方法的第三流程包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；自动标记特征或瑕疵，是指智能辨识器利用数据库单元传输的模型训练结果数据自动对取像图片中样品特征或瑕疵进行框选并加以标记；自动标记分类，是指将取像的样品图像及标记结果由智能辨识器利用数据库单元传输的模型训练结果数据自动将标记结果分类记录；人工检查，是指为防止由智能辨识器自动对取像图片中样品特征或瑕疵进行框选并标记，或是自动对标记结果分类时有漏杀或过杀的误判，故以人工方式对分类结果做检查，如有误判情形发生便对其分类结果作修正；进行训练，是指将取像的样品图像及标记结果的数据传至特征与瑕疵智能型自动标记模型，利用物件侦测模型为基础的神经网络，以深度学习的方式进行训练；导出模型训练结果，是指将模型训练结果导出至数据库单元。

6.根据权利要求1所述的一种智能型光学检测的样品特征与瑕疵自动标记方法，其特征在于，第三阶段实施方法包含有样品取像，是指以相机单元结合光源装置对待测物进行取像；自动标记特征或瑕疵，是指智能辨识器利用模型训练结果数据自动对取像图片中样品特征或瑕疵进行框选并加以标记；自动标记分类，是指将取像的样品图像及标记结果由智能辨识器利用模型训练结果数据自动将标记结果分类记录；导出结果，是指将取像的样品图像特征或瑕疵自动标记和分类的结果导出至数据库单元。