片状材料快速检测瑕疵整合系统及其使用方法与流程

本发明涉及一种光学检查的技术，特别是关于一种整合光学检查与深度学习的技术。

背景技术：

所谓的卷对卷(roll-to-roll)，是种高效能、连续性的生产方式，专门处理可挠性质的薄膜、软板或布料，该类薄膜、软板或布料从原筒状的料卷卷出后，再对该薄膜、软板或布料进行检测，然后再卷成圆筒状。

由于采用卷对卷(roll-to-roll)的手段，使待检测的物件快速移动，然而，因为待检测物，例如布料，在快速移动的过程中因为本身的重量而会产生震动，进而让光学的检测设备难以精准的检测，即便光学的检测设备已撷取布料上的瑕疵，也会因布料震动使光学的检测设备检测到的瑕疵变形，进而影响检测的精准度，为此，急需一种能够精确检视布料上的微小瑕疵，且能够进一步判断布料上瑕疵的种类的检测系统。

技术实现要素：

本发明的目的在于一种片状材料快速检测瑕疵的系统，其主要目的是能够精确检视布料上的微小瑕疵，且能够进一步判断布料上瑕疵的种类。

为达前述目的，本发明片状材料快速检测瑕疵的系统，供以检测一布料，而该片状材料快速检测瑕疵整合系统，包括：

一光学检测模组，供以对于该布料进行拍摄。

一系统主机，与该光学检测模组资讯连接，该系统主机具有资讯连接的一资料接收单元、一定位单元、一瑕疵判别伺服器，该资料接收单元供以接收该光学检测模组拍摄的照片，该瑕疵判别伺服器供以撷取一瑕疵照片，该定位单元供以将各该瑕疵照片与瑕疵位于片状材料的对应座标位置绑定。

一储存主机，与该主机系统资讯连接，该储存主机供以接收瑕疵照片及与该瑕疵照片绑定的座标位置。

一人工智能辨识单元，与该储存主机资讯连接，该人工智能辨识单元具有资讯连接的一训练模组及一瑕疵分类模组，该训练模组供以接收各种样板照片，该训练模组透过该些样板照片形成一判别逻辑，该瑕疵分类模组供以接收该瑕疵照片，该瑕疵分类模组依据该判别逻辑进行分类，再将各该瑕疵照片与其瑕疵分类绑定，再回传至该储存主机。

本发明提供一种片状材料快速检测瑕疵整合系统的使用方法，包括：

一撷取照片步骤，供以对片状材料连续摄影进行拍摄，以取得多张照片。

一判别步骤，供以判断各该照片是否为瑕疵照片，并撷取瑕疵照片。

一位置取得步骤，取得瑕疵照片于片状材料的相对座标，该座标与该瑕疵照片绑定。

一储存步骤，记录瑕疵照片及绑定的座标。

一训练步骤，透过多张样板照片进行分类，形成一判别逻辑。

一分类步骤，透过前述判断逻辑对该些瑕疵照片进行瑕疵分类，并依据前述分类储存该些照片。

藉由前述可知，本发明主要透过系统主机先初步判断出瑕疵照片，再将瑕疵照片储存于储存主机，再透过人工智慧辨识单元由训练后得出的判别逻辑对储存于储存主机的瑕疵照片进行精准的分类，如此一来人工智慧辨识单元仅需辨识少量瑕疵照片，而不用对光学检测模组拍摄的全部照片进行辨识，以提升人工智慧辨识单元的效能，另外，透过人工智慧辨识单元亦能够提供精准的分析，即便光学检测模组检测到的瑕疵变形也能够透过人工智慧辨识单元精准的辨识瑕疵的种类及大小。

附图说明

图1为本发明片状材料快速检测瑕疵整合系统的光学检测模组的示意图。

图2为本发明片状材料快速检测瑕疵整合系统的示意图。

图3为本发明片状材料快速检测瑕疵整合系统的系统主机的示意图。

图4为本发明片状材料快速检测瑕疵整合系统的系统主机的示意图。

图5为本发明片状材料快速检测瑕疵整合系统较佳实施例的示意图。

图6为本发明片状材料快速检测瑕疵整合系统较佳实施例的示意图。

图7为本发明片状材料快速检测瑕疵整合系统的使用方法。

图8为本发明片状材料快速检测瑕疵整合系统的使用方法较佳实施例的示意图。

图9为本发明片状材料快速检测瑕疵整合系统的使用方法较佳实施例的示意图。

图10为本发明片状材料快速检测瑕疵整合系统的使用方法较佳实施例的示意图。

图11为本发明片状材料快速检测瑕疵整合系统较佳实施例的示意图。

图12为本发明片状材料快速检测瑕疵整合系统较佳实施例的示意图。

附图标记说明

光学检测模组10

摄影组10a

光源10b

摄影镜头10c

第一摄影组11

第一光源111

第一摄影镜头112

第二摄影组12

第二光源121

第二摄影镜头122

系统主机20

资料接收单元21

定位单元22

瑕疵判别伺服器23

初步分类模组24

储存主机30

人工智能辨识单元40

训练模组41

瑕疵分类模组42

制表单元50

图像化单元60

布料f

第一侧k1

第二侧k2

瑕疵示意图p

标记p1

第一面f1

第二面f2

记录表单t

撷取照片步骤s1

判别步骤s2

位置取得步骤s3

储存步骤s4

训练步骤s5

分类步骤s6

制表步骤s7

制图步骤s8。

具体实施方式

本发明提供一种片状材料快速检测瑕疵整合系统，请参照图1至6、11至12所示，而该片状材料快速检测瑕疵整合系统供以检测一布料f，而该片状材料快速检测瑕疵整合系统，包括：

一光学检测模组10，供以对于该布料进行拍摄。

较佳的，该光学检测模组10具有至少一摄影组10a，该摄影组10a具有一光源10b及一摄影镜头10c，该光源10b供以照射该布料f，该摄影镜头10c供以对于该布料f进行连续摄影。

一系统主机20，与该光学检测模组10资讯连接，前述资讯连接可透过无线或有线的方式达成，该系统主机具20有资讯连接的一资料接收单元21、一定位单元22、一瑕疵判别伺服器23，该资料接收单元21供以接收该第一摄影镜头112、第二摄影镜头122拍摄的照片，该瑕疵判别伺服器23在透过照片中瑕疵外观据以撷取瑕疵照片，前述瑕疵照片意指照片中的布料具有瑕疵，该定位单元22系供以将各该瑕疵照片与瑕疵位于片状材料的对应座标位置(x,y)绑定，进而记录各该瑕疵位于布料的位置。

一储存主机30，与该主机系统20资讯连接，前述资讯连接可透过无线或有线的方式达成，该储存主机30供以接收瑕疵照片及与该瑕疵照片绑定的座标位置。

一人工智能辨识单元40，与该储存主机30资讯连接，前述资讯连接可透过无线或有线的方式达成，该人工智能辨识单元40具有资讯连接的一训练模组41及一瑕疵分类模组42，该训练模组41供以接收各种样板照片，各该样板照片可为各种的瑕疵照片，例如布料缺边的照片、布料勾纱的照片、布料具有压痕的照片、布料具有破洞的照片，该训练模组41透过该些样板照片形成一判别逻辑，该瑕疵分类模组42供以接收该储存主机30的瑕疵照片，该瑕疵分类模组42依据该判别逻辑进行分类，再将各该瑕疵照片与其瑕疵分类绑定，再回传至该储存主机30。

于较佳实施例中，该布料f具有相对的一第一面f1及一第二面f2，该第一面f1朝向一第一侧k1，该第二面f2朝向一第二侧k2，该摄影组10a的数量为多个，且摄影组10a能够区分为至少一第一摄影组11及至少一第二摄影组12，该第一摄影组11的光源10b为一第一光源111，该第一摄影组11的摄影镜头10c为一第一摄影镜头112，该第二摄影组12的光源10b为一第二光源121，该第二摄影组12的摄影镜头10c为一第二摄影镜头122，该第一光源111设置于该布料f的该第一侧k1，该第一光源111供以照射该布料f的第一面f1，以形成一正面光源，该第二光源121设置于该布料f的该第二侧k2，该第二光源121供以照射该布料f的第二面f2，以形成一背面光源，该第一摄影镜头112、第二摄影镜头122皆设置在该布料的第一侧k1，第一摄影镜头112及该第二摄影镜头122对于该布料f的第一面f1进行连续摄影，该第一摄影镜头112是透过正面光源进行拍摄，该第二摄影镜头122是透过该背面光源进行拍摄。

于较佳实施例中，该储存主机30或该系统主机具20有一制表单元50，各该制表单元50依据该瑕疵照片及与其绑定的瑕疵座标、瑕疵分类进行绑定，以形成一记录表单t。

于另一较佳实施例中，该制表单元50依据该瑕疵照片及与其绑定的瑕疵编号、图式、瑕疵座标、瑕疵分类进行绑定，以形成一记录表单t。

于较佳实施例中，该储存主机30或该系统主机20具有一图像化单元60，该图像化单元60依据绑定的瑕疵座标、瑕疵分类形成一瑕疵示意图p，该瑕疵示意图p上于与该瑕疵座标对应的位置上显示一标记p1。

较佳的，该标记p1依据该瑕疵分类形成不同图案，以进行视觉化的示意，举例而言，座标(765,1455)的瑕疵为破洞、座标(6541,888)的座标为缺边，则该图像化单元60则于该图示上对应座标(765,1455)的位置标示圆圈，图示上对应座标(6541,888)的位置标示三角形。

较佳的，该系统主机20另具有一初步分类模组24，该初步分类模组24供以将瑕疵照片进行初步分类，再将分类后结果回传至该储存主机30，而若该瑕疵分类模组42的分类与该初步分类模组24对于同一张瑕疵照片具有不同分类时，以瑕疵分类模组42的瑕疵分类取代初步分类模组24的分类结果，并调整该初步分类模组24的演算法，使初步分类模组24分类的精准度能够更趋近于瑕疵分类模组42。

一种片状材料快速检测瑕疵整合系统的使用方法，请参照图7至10，包括：

一撷取照片步骤s1，对片状材料连续摄影进行拍摄，以取得多张照片。

一判别步骤s2，供以判断各该照片是否为瑕疵照片，并撷取瑕疵照片，前述判别机制可透过照片中瑕疵外观识别，但不限于此。

一位置取得步骤s3，取得瑕疵照片于片状材料的相对座标，该座标与该瑕疵照片绑定。

一储存步骤s4，记录瑕疵照片及瑕疵发生的座标，并据以备份以避免遗失。

一训练步骤s5，透过多张样板照片进行分类定义，形成一判别逻辑，更进一步的，可藉由提高样板照片的数量以提升判别逻辑的准确度。

较佳的，前述分类定义可透过人员辅助拟定。

一分类步骤s6，透过前述判断逻辑对该些瑕疵照片进行瑕疵分类，并依据前述分类储存该些照片。

较佳的，另包括一制表步骤s7，依据绑定的瑕疵照片、座标及瑕疵分类制成一记录表单t。

较佳的，另包括一制图步骤s8，依据绑定的瑕疵照片、座标及瑕疵分类制成一瑕疵示意图p，该瑕疵示意图p上于与该瑕疵座标对应的位置上显示一标记p1。

较佳的，该标记p1依据该瑕疵分类形成不同图案，以进行视觉化的示意图，举例而言，座标(765,1455)的瑕疵为破洞、座标(6541,888)的座标为缺边，则该图像化单元60于该图示上对应座标(765,1455)的位置标示圆圈，图示上对应座标(6541,888)的位置标示三角形。

藉由前述可知，本发明主要透过系统主机20先初步判断出瑕疵照片，再将瑕疵照片储存于储存主机30，再透过人工智慧辨识单元40由训练后得出的判别逻辑对储存于储存主机30的瑕疵照片进行精准的分类，如此一来经系统主机20的初步筛选，人工智慧辨识单元40仅需辨识少量瑕疵照片，辨识量减少比率可高达99%，而不用对光学检测模组10拍摄的全部照片进行辨识，以提升人工智慧辨识单元40的效能，另外，透过人工智慧辨识单元40亦能够提供精准的分析，即便光学检测模组10检测到的瑕疵变形也能够透过人工智慧辨识单元40精准的辨识瑕疵的种类及大小。