瑕疵检测装置及方法与流程

本发明关于一种瑕疵检测装置及方法。具体而言，本发明关于一种基于多个阶段的调整机制提升瑕疵检测准确率的瑕疵检测装置及方法。

背景技术：

1、近年来，由于智能制造的快速发展，导入深度学习技术到自动光学检测(automated optical inspection；aoi)领域中成为发展的目标之一。其中，由于在某些工业制造领域中，需要面对瑕疵种类的未知性且缺乏用于训练的瑕疵样本等等的问题，使得半监督式的瑕疵检测手段被广泛的应用。

2、具体而言，半监督式的瑕疵检测在训练时，可通过生成对抗式网络架构进行训练，由于仅需要带有正常标签的训练样本，而不需要收集大量的异常样本，因此相较监督式瑕疵检测使用上更为广泛。

3、然而，在现有技术中，半监督式的瑕疵检测在某些检测领域或检测目标中(例如：工业元件中的螺帽)，实际应用时准确率过低，且伪阳率过高，因而无法实际应用在工业制造中。

4、有鉴于此，如何提供一种可提升瑕疵检测准确率的技术，乃业界亟需努力的目标。

技术实现思路

1、本发明的一目的在于提供一种瑕疵检测装置。该瑕疵检测装置包含存储器、收发接口及处理器，该处理器电性连接至该存储器及该收发接口。该存储器用以储存瑕疵检测模型。该处理器自该收发接口接收待测影像。该处理器通过该瑕疵检测模型检测该待测影像，以产生对应该待测影像的异常分数，其中该瑕疵检测模型基于生成对抗网络及归一化后的复数个损失函数训练产生。该处理器比对该异常分数及异常分数门槛值，以判断该待测影像是否为瑕疵影像。

2、本发明的另一目的在于提供一种瑕疵检测方法，该瑕疵检测方法用于电子装置。该瑕疵检测方法包含下列步骤：接收待测影像；通过瑕疵检测模型检测该待测影像，以产生对应该待测影像的异常分数，其中该瑕疵检测模型基于生成对抗网络及归一化后的复数个损失函数训练产生；比对该异常分数及异常分数门槛值，以判断该待测影像是否为瑕疵影像。

3、在本发明的一实施方式中，其中该处理器还执行以下运作：计算该待测影像与对应该待测影像的重建影像的像素平方差值，以产生该异常分数；其中，对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。

4、在本发明的一实施方式中，其中该处理器还执行以下运作：接收复数个样本影像；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。

5、在本发明的一实施方式中，其中归一化后的该编码器损失函数是基于第一编码特征及第二编码特征的归一化平方差值产生，该第一编码特征由该瑕疵检测模型中的第一编码器产生，且该第二编码特征由该瑕疵检测模型中的第二编码器产生。

6、在本发明的一实施方式中，其中归一化后的该前后文损失函数是基于该待测影像与对应该待测影像的重建影像的归一化像素差值绝对值产生，其中对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。

7、在本发明的一实施方式中，其中归一化后的该对抗性损失函数是基于一归一化特征匹配平方差值产生。

8、在本发明的一实施方式中，其中该待测图像对应至第一色彩空间，且该处理器还执行以下运作：将该待测影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；以及对该待测影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作。

9、在本发明的一实施方式中，其中该至少一第一通道数值所对应的第一值域与该等第二通道数值所对应的第二值域不同。

10、在本发明的一实施方式中，其中该处理器还执行以下运作：接收复数个样本影像，其中该等样本图像对应至第一色彩空间；将该等样本影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；对该等样本影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。

11、在本发明的一实施方式中，其中该至少一第一通道数值所对应的第一值域与该等第二通道数值所对应的第二值域不同。

12、在本发明的一实施方式中，还包含下列步骤：计算该待测影像与对应该待测影像的重建影像的像素平方差值，以产生该异常分数；其中对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。

13、在本发明的一实施方式中，还包含下列步骤：接收复数个样本影像；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。

14、在本发明的一实施方式中，其中归一化后的该编码器损失函数是基于第一编码特征及第二编码特征的归一化平方差值产生，该第一编码特征由该瑕疵检测模型中的第一编码器产生，且该第二编码特征由该瑕疵检测模型中的第二编码器产生。

15、在本发明的一实施方式中，其中归一化后的该前后文损失函数是基于该待测影像与对应该待测影像的重建影像的归一化像素差值绝对值产生，其中对应该待测影像的该重建影像是由该瑕疵检测模型中的第一编码器及解码器所产生。

16、在本发明的一实施方式中，其中归一化后的该对抗性损失函数是基于归一化特征匹配平方差值产生。

17、在本发明的一实施方式中，其中该待测图像对应至第一色彩空间，且该瑕疵检测方法还包含下列步骤：将该待测影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；以及对该待测影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作。

18、在本发明的一实施方式中，其中该至少一第一通道数值所对应的第一值域与该等第二通道数值所对应的第二值域不同。

19、在本发明的一实施方式中，还包含下列步骤：接收复数个样本影像，其中该等样本图像对应至第一色彩空间；将该等样本影像转换至第二色彩空间，其中该第二色彩空间包含至少一第一通道数值及复数个第二通道数值；对该等样本影像于该第二色彩空间中的该至少一第一通道数值，执行归一化运作；将该等样本影像输入至该生成对抗网络所建构的训练模型；基于归一化后的编码器损失函数、前后文损失函数及对抗性损失函数以训练该训练模型；以及将训练完成的该训练模型设定为该瑕疵检测模型。

20、在本发明的一实施方式中，其中该至少一第一通道数值所对应的第一值域与该等第二通道数值所对应的第二值域不同。

21、本发明所提供的瑕疵检测技术(至少包含装置及方法)，通过由生成对抗网络及归一化后的复数个损失函数训练产生的瑕疵检测模型，检测待测影像以产生对应该待测影像的异常分数，且经由比对该异常分数及异常分数门槛值，以判断该待测影像是否为瑕疵影像。此外，本发明所提供的瑕疵检测技术通过多个阶段的调整机制(例如：调整损失函数、调整异常分数计算方式、转换色彩空间并将其中某些通道归一化等等)，提升瑕疵检测模型的训练速度及稳定程度。因此，本发明所提供的瑕疵检测技术，可提升瑕疵检测准确率，解决现有技术产生的瑕疵检测由于准确率过低且伪阳率过高，因而无法实际使用至某些检测目标的问题。

22、以下结合附图阐述本发明的详细技术及实施方式，俾使本发明所属技术领域中技术人员能理解所请求保护的发明的技术特征。