人工智能瑕疵检测系统及其方法与流程

本发明属于瑕疵检测领域，特别是涉及一种人工智能瑕疵检测系统及其方法。

背景技术：

1、传统的机器视觉算法，利用特征工程(feature engineering)，即由人为对数据进行提炼清洗，传统算法从每张图像中选择重要特征是必要步骤。而随着类别数量的增加，特征提取变得越来越复杂，要确定哪些特征最能描述不同的目标类别，取决于人工的判断和长期试错。此外，每个特征定义还需要处理大量参数，所有参数必须由人工进行调整，从而对某一些外观检测的能力较弱，而无法精确的检测每一种缺陷，导致某些工艺上需要花更多的人力与物力针对已检测的产品，进行人工复判，大幅增加了成本。

2、自动光学检查(automated optical inspection，aoi)，其为高速高精度光学影像检测系统，运用机器视觉作为检测标准技术，aoi通过传统算法对柔性印刷电路板(flexible printed circuit，fpc)进行检测，检测出来过杀率较高，供应商需要在每条aoi产线安排一个人工复判人员，但长时间的人工复判对产线人员来说是一个枯燥且乏味的工作，工作人员疲劳值累计增加，导致误判频率越来越高，因此一种代替人员进行复判的方法亟需上线。

技术实现思路

1、本发明的目的在于提供一种人工智能瑕疵检测系统，通过制造执行系统获取良品影像信息与不良品影像，并以服务系统产生训练模型，再通过推理机加载训练模型，将瑕疵检测影像信息进行推理，大幅降低传统机器视觉检测不精确的问题，同时，降低人力成本与时间成本的消耗。

2、本发明的另一目的在于提供一种人工智能瑕疵检测方法，通过良品影像信息与不良品影像进行训练，并以训练模型对瑕疵检测影像信息进行推理，提升检测瑕疵的精确度。

3、为达成上述的目的，本发明提供一种人工智能瑕疵检测系统，其特征在于，包括：

4、一制造执行系统，包括一良品影像信息与一不良品影像信息；

5、一自动光学检测系统，获取一瑕疵检测影像信息；

6、一控制单元，与所述制造执行系统讯号连接，接收并依据所述良品影像信息与所述不良品影像信息输入一标记信息，生成并上传一训练数据集；

7、一服务系统，与所述控制单元讯号连接，接收并以所述训练数据集生成一训练模型；及

8、一推理机，分别与所述制造执行系统、所述自动光学检测系统及所述服务系统讯号连接，接收并以所述训练模型对所述瑕疵检测影像信息进行推理，产生并传输一推理结果至所述制造执行系统。

9、优选的，所述推理机包含一复判单元，当所述推理结果为不良品时，将所述瑕疵检测影像传输至所述复判单元进行比对，生成并传输一复判结果至所述制造执行系统。

10、优选的，所述服务系统包含一数据库，用以保存所述推理结果与所述复判结果。

11、优选的，所述推理机包含一网页伺服器，接收并传输所述瑕疵检测影像信息至所述推理机，且，接收所述推理机的一数据消耗信息。

12、优选的，所述制造执行系统包含一负载均衡器，接收并依据所述数据消耗信息进行负载均衡。

13、为达成上述的另一目的，本发明提供一种人工智能瑕疵检测方法，其特征在于，步骤包括:

14、获取一良品影像信息与一不良品影像信息；

15、输入一标记信息至所述良品影像信息与所述不良品影像信息进行训练，生成一训练模型；

16、获取一瑕疵检测影像信息；及

17、接收并以所述训练模型对所述瑕疵检测影像信息进行推理，产生一推理结果。

18、优选的，于输入一标记信息至所述良品影像信息与所述不良品影像信息进行训练，生成一训练模型的步骤中，输入所述标记信息至所述良品影像信息与所述不良品影像信息，产生并依据一训练数据集，生成所述训练模型。

19、优选的，于获取一瑕疵检测影像信息的步骤中，接收并依据一数据消耗信息进行负载均衡。

20、优选的，于接收并以所述训练模型对所述瑕疵检测影像信息进行推理，产生一推理结果的步骤中，当所述推理结果为不良品时，将所述瑕疵检测影像传输至所述复判单元进行比对，生成并传输一复判结果。

21、本发明的有益效果在于，解决传统机器视觉检测不精确的问题，同时，降低人力成本与时间成本的消耗，而可改善习知缺失。

技术特征：

1.一种人工智能瑕疵检测系统，其特征在于，包括：

2.根据权利要求1所述人工智能瑕疵检测系统，其特征在于，所述推理机包含一复判单元，当所述推理结果为不良品时，将所述瑕疵检测影像传输至所述复判单元进行比对，生成并传输一复判结果至所述制造执行系统。

3.根据权利要求2所述人工智能瑕疵检测系统，其特征在于，所述服务系统包含一数据库，用以保存所述推理结果与所述复判结果。

4.根据权利要求1所述人工智能瑕疵检测系统，其特征在于，所述推理机包含一网页伺服器，接收并传输所述瑕疵检测影像信息至所述推理机，且，接收所述推理机的一数据消耗信息。

5.根据权利要求4所述人工智能瑕疵检测系统，其特征在于，所述制造执行系统包含一负载均衡器，接收并依据所述数据消耗信息进行负载均衡。

6.一种人工智能瑕疵检测方法，其特征在于，步骤包括:

7.根据权利要求6所述人工智能瑕疵检测方法，其特征在于，于输入一标记信息至所述良品影像信息与所述不良品影像信息进行训练，生成一训练模型的步骤中，输入所述标记信息至所述良品影像信息与所述不良品影像信息，产生并依据一训练数据集，生成所述训练模型。

8.根据权利要求6所述人工智能瑕疵检测方法，其特征在于，于获取一瑕疵检测影像信息的步骤中，接收并依据一数据消耗信息进行负载均衡。

9.根据权利要求6所述人工智能瑕疵检测方法，其特征在于，于接收并以所述训练模型对所述瑕疵检测影像信息进行推理，产生一推理结果的步骤中，当所述推理结果为不良品时，将所述瑕疵检测影像传输至所述复判单元进行比对，生成并传输一复判结果。

技术总结
本发明提供一种人工智能瑕疵检测系统及其方法，通过控制单元控制服务系统产生训练模型，再通过推理机加载训练模型对瑕疵检测影像信息进行推理，并将推理结果回传至制造执行系统，改善传统的光学检测系统检测不精确的问题，同时，降低人力成本与时间成本的消耗。

技术研发人员：张庆瑞,顾伟,崔如玉,蔡裕宏
受保护的技术使用者：苏州捷胜科技有限公司
技术研发日：
技术公布日：2024/1/12