自动化视觉检测的AI流程管理系统及方法与流程

计算;推算;计数设备的制造及其应用技术自动化视觉检测的ai流程管理系统及方法技术领域1.本发明是涉及一种自动化管理系统及方法，特别是涉及一种自动化视觉检 测的ai流程管理系统及方法。背景技术：2.科技日新月异，具有触控面板、操作面板、显示面板的电子产品如雨后春 笋般地被运用在生活中，但是前述各种面板在出厂前，均需要通过一检测流程， 并且确认没有问题才能够安装在对应的电子产品上，以提供消费者优良的产品。3.传统的自动光学检测(automatic optical inspection,aoi)常用在对前述各种 面板生产完的品质的自动视觉检查技术，在检查的过程中，利用一影像撷取模 块自动扫描面板，以查找灾难性故障和品质缺陷(如面板刮痕)。由于传统的自 动光学检测(automatic optical inspection,aoi)是一种非接触式检测方法，因此 常被用在精密制造过程中，且在整个精密制造过程的许多阶段被使用，过去的 aoi演算法，是采用影像处理以及形态学的比对，传统上的做法需要设定许多 的参数与阀值，且光源的改变会造成参数需要改变，需要大量的工程师以人力 进行调校，才能让aoi演算法正确运行，故导致系统维运的成本遽增，非常耗 费人力及没有效率。4.近年来人工智慧(artificial intelligence,ai)的技术发展在电脑视觉领域已渐 趋成熟，也有诸多相关应用，而自动光学检测(automatic optical inspection,aoi) 产业也逐步导入人工智慧(artificial intelligence,ai)在软体系统中，即便如此， 设备商仍以销售独立设备居多，既有的系统框架还是以单机型态为主，容易与 现有技术的人工智慧(artificial intelligence,ai)标准流程有冲突。5.故现有技术中，传统的自动光学检测(automatic optical inspection,aoi)常 被用在精密制造过程中，但需要大量人力进行调校，导致系统维运的成本遽增， 非常耗费人力及没有效率。然而，近年来虽人工智慧(artificial intelligence,ai) 的技术开始被应用，但是既有的自动光学检测(automatic optical inspection,aoi) 设备难以跟新兴的人工智慧(artificial intelligence,ai)标准流程整合。因此，现 有技术中仍然存在系统维运成本偏高、耗费人力及没有效率等问题，确实有待 进一步提出更佳解决方案的必要。技术实现要素：6.有鉴于上述现有技术的不足，本发明主要目的在提供一种自动化视觉检测 的ai流程管理系统及方法，利用人工智慧(artificial intelligence,ai)、网路通讯 以及自动化即时更新训练，提供可运用的最适模型，以提升视觉检测效率。7.为达成上述目的所采取的主要技术手段是使前述自动化视觉检测的ai流 程管理方法，是由一ai云端设备与网路连结，并在该ai云端设备执行一训练 阶段，该方法是由该ai云端设备执行以下步骤：8.取得一个以上的影像资讯；9.依该影像资讯生成一个以上的标注资讯；10.根据该标注资讯生成一训练模型；以及11.更新训练模型并供下载。12.优选的，当该方法执行前述「依该影像资讯生成一个以上的标注资讯」的 步骤，该方法更包括以下步骤：执行一标注工具程式；通过该标注工具程式对 该影像资讯进行标注，以生成该标注资讯13.优选的，其中该标注资讯包括一物件检测类型资讯及/或一语意切割类型 资讯。14.优选的，当该方法执行前述「根据该标注资讯生成一训练模型」的步骤， 该方法更包括以下步骤：执行一个以上的排程训练程式；该排程训练程式预设 多种训练模型以进行排程训练，生成该训练模型。15.优选的，当该方法执行前述「根据该标注资讯生成一训练模型」的步骤， 该方法更包括以下步骤：执行一效能管理工具程式；纪录用在训练与推论的一 个以上的效能指标；其中，该效能指标包括一时间资讯、一资源耗费资讯。16.优选的，其中该排程训练程式、该效能管理工具程式执行在一视觉化图形 界面。17.优选的，该方法进一步包括由该边缘运算设备启动一执行阶段，由该边缘 运算设备执行以下步骤：取得一即时影像资讯；根据该训练模型，生成一辨识 结果；存储并回传该辨识结果。18.优选的，其中在该边缘运算设备启动该执行阶段前，由该ai云端设备下 载该训练模型。19.优选的，其中是先进行一自动光学检测程序以取得该即时影像资讯。20.优选的，其中是进一步根据该即时影像资讯、该训练模型，生成该辨识结 果。21.通过上述方法，是由该ai云端设备通过网路取得该影像资讯，并依该影 像资讯进行标注以生成相对应的该标注资讯，该ai云端设备根据该标注资讯自 动化生成该训练模型，并且即时地更新训练模型并供使用者下载，以利后续使 用；本发明通过ai技术能即时重启训练阶段，并通过该标注资讯即时生成及更 新该训练模型，藉此达到提升视觉检测效率的目的。22.为达成上述目的所采取的另一主要技术手段是使前述自动化视觉检测的 ai流程管理系统包括：23.一边缘运算设备，是与网路连结；24.一ai云端设备，是通过网路与该边缘运算设备交换资料；25.其中，当该ai云端设备执行在一训练阶段，由该ai云端设备取得一个以 上的影像资讯，并根据该影像资讯生成一个以上的标注资讯，该ai云端设备依 据该标注资讯生成一训练模型，以及更新训练模型并供下载至该边缘运算设备， 以使后续该边缘运算设备启动一执行阶段。26.优选的，该ai云端设备包括一ai训练伺服器及一云端运算伺服器，该云 端运算伺服器分别与该边缘运算设备、该ai训练伺服器连结，该ai训练伺服 器与该边缘运算设备连结；其中，由该云端运算伺服器通过该ai训练伺服器取 得该影像资讯；该云端运算伺服器将该标注资讯提供给该ai训练伺服器进行训 练，以生成该训练模型；由该云端运算伺服器更新训练模型。27.优选的，所述自动化视觉检测的ai流程管理系统进一步具有多数的边缘 运算设备，该等边缘运算设备分别通过网路与该ai云端设备连结，将该等边缘 运算设备取得多数的影像资讯一并发送至该ai云端设备。28.优选的，所述自动化视觉检测的ai流程管理系统进一步具有多数的边缘 运算设备、一存储装置；其中，该等边缘运算设备分别通过网路与该ai云端设 备连结，将该等边缘运算设备取得多数的影像资讯一并发送至该ai云端设备； 该存储装置设在该等边缘运算设备与该ai云端设备之间，该等边缘运算设备取 得的多数的影像资讯进行收集、汇整。29.优选的，该边缘运算设备包括一检测装置及一推论装置，该推论装置与该 检测装置连接，且该检测装置将该影像资讯发送至该ai云端设备，该推论装置 与该ai云端设备连结。30.优选的，该边缘运算设备包括多数检测装置以及一推论装置，该等检测装 置是分别与该推论装置连结，该等检测装置分别将该影像资讯发送至该ai云端 设备，该推论装置由该ai云端设备下载该训练模型。31.优选的，该存储装置是由一伺服器构成。32.优选的，该检测装置由一自动光学检测电脑装置所构成。33.优选的，该推论装置由一图形处理器所构成，且该推论装置是安装设置在 该检测装置内。34.优选的，该推论装置由一gpu推论电脑装置所构成，且该推论装置是通过 近端有线连接该检测装置。35.优选的，所述自动化视觉检测的ai流程管理系统进一步包括一电子装置， 该电子装置与网路连结，并由该电子装置登入该ai云端设备。36.优选的，当启动该执行阶段，进一步由该边缘运算设备取得一即时影像资 讯，并根据该即时影像资讯、该更新后训练模型生成一辨识结果，存储并回传 该辨识结果至该ai云端设备。37.通过上述构造，该边缘运算设备通过网路与该ai云端设备进行资料交换， 且当该ai云端设备执行在该训练阶段时，由该ai云端设备取得该影像资讯， 并根据该影像资讯进行标注以生成相对应的该标注资讯，该ai云端设备依据该 标注资讯自动化生成生成该训练模型，以及即时地更新训练模型并供下载至该 边缘运算设备，以使后续该边缘运算设备启动该执行阶段使用；本发明通过ai 技术能即时重启训练阶段，并通过该标注资讯即时生成及更新该训练模型，藉 此达到提升视觉检测效率的目的。附图说明38.以下附图仅旨在于对本发明做示意性说明和解释，并不限定本发明的范围。39.其中，40.图1a是本发明的第一较佳实施例的系统架构方块图；41.图1b是本发明的第一较佳实施例的又一系统架构方块图；42.图2是本发明的第一较佳实施例的另一系统架构方块图；43.图3是本发明的第二较佳实施例的系统架构方块图；44.图4是本发明的第三较佳实施例的系统架构方块图；45.图5是本发明的较佳实施例的ai流程管理方法的训练阶段流程图；46.图6是本发明的较佳实施例的ai流程管理方法的执行阶段流程图。47.附图标记说明：48.10,10a 边缘运算设备49.11,11a,11b,11c 检测装置50.12,12a 推论装置51.20 ai云端设备52.21 ai训练伺服器53.22 云端运算伺服器54.30 电子装置55.40 存储装置56.s51～s54 步骤57.s61～s63 步骤具体实施方式58.以下配合附图及本发明的较佳实施例，进一步阐述本发明为达成预定发明 目的所采取的技术手段。59.关于本发明自动化视觉检测的ai流程管理系统的第一较佳实施例，请参 考图1a所示，其包括一边缘运算设备10以及一ai云端设备20，该边缘运算 设备10是用以检测产品品质(如面板的刮痕等)，并将检测结果以影像进行存储， 且该边缘运算设备10与该ai云端设备20分别与网路连结，并进行资料交换， 使用者可在该ai云端设备20直接进行操作，以完成训练、提供报告，供该边 缘运算设备10可运用最适合的模型。60.在本较佳实施例中，当使用者在该ai云端设备20进行操作，当该ai云 端设备20执行在一训练阶段，由该ai云端设备20取得一个以上的影像资讯， 并根据该影像资讯生成一个以上的标注资讯；该ai云端设备20依据该标注资 讯生成一训练模型，以及更新训练模型并供下载至该边缘运算设备10；后续， 在该训练阶段完成，且该边缘运算设备10根据该训练模型生成一更新后训练模 型，该边缘运算设备10随时可启动一执行阶段，由该边缘运算设备10取得一 即时影像资讯，并根据该即时影像资讯、该更新后训练模型生成一辨识结果， 存储并回传该辨识结果至该ai云端设备20。通过ai技术能即时重启训练阶段， 并通过该标注资讯即时生成及更新该训练模型，确实能提升视觉检测效率。61.请参阅图1b，为提升方便性，在本较佳实施例中使用者是可进一步通过一 电子装置30与网路连结，并通过该电子装置30登入该ai云端设备20进行操 作，由于不受距离与空间的限制，使得使用者能够在远端操作该ai云端设备 20，进而提升使用的效率以及方便性；在本较佳实施例中，该电子装置30包括 一行动装置、一桌上型电脑或一笔记型电脑等。在本较佳实施例中，上述的该 影像资讯可为多数个、该标注资讯可为多数个，在此仅是举例而非加以限制。62.进一步的，请参阅图2，在本较佳实施例中该ai云端设备20包括一ai 训练伺服器21及一云端运算伺服器22，该云端运算伺服器22分别与该边缘运 算设备10、该ai训练伺服器21连结，该ai训练伺服器21亦与该边缘运算设 备10连结；其中，该边缘运算设备10已存储检测结果，当使用者操作该云端 运算伺服器22并执行该训练阶段，是由该云端运算伺服器22通过该ai训练伺 服器21取得该影像资讯，并根据该影像资讯生成该标注资讯；该云端运算伺服 器22再将该标注资讯提供给该ai训练伺服器21进行训练，以生成该训练模型； 以及由该云端运算伺服器22更新训练模型，并更新至该边缘运算设备10或提 供下载。63.在本较佳实施例中，该ai云端设备20的云端运算伺服器22根据该影像 资讯生成该标注资讯的方式，主要是在该云端运算伺服器22安装并执行一标注 工具程式，并由使用者操作该标注工具程式，当该影像资讯包括一个以上的瑕 疵资讯，则使用者通过该标注工具程式针对该具有瑕疵资讯的影像资讯进行标 注，以生成该标注资讯，必须强调的是，通过使用者操作该标注工具程式生成 该标注资讯，能优化并提升训练模型的准确性及效能。进一步的，在本较佳实 施例中，该标注资讯包括一物件检测类型资讯及/或一语意切割类型资讯。64.在本较佳实施例中，该ai云端设备20的云端运算伺服器22进一步安装 并执行一个以上的排程训练程式及一效能管理工具程式，并由使用者操作该排 程训练程式，并在该排程训练程式设定或预设多种训练模型(如cnn-based models,faster r-cnn,yolo,unet,deeplab,mask r-cnn等)，以进行排程训练， 并通过该效能管理工具程式纪录用在训练与推论的一个以上的效能指标；在本 较佳实施例中该效能指标包括一时间资讯、一资源耗费资讯，该资源耗费资讯 包括cpu/ram资源耗费资讯、gpu core/gpu ram资源耗费资讯等。在本较 佳实施例中，该排程训练程式、该效能管理工具程式均可执行在一视觉化图形 界面，并通过该视觉化图形界面的形式呈现，供使用者方面操作、使用。65.关于本发明自动化视觉检测的ai流程管理系统的第二较佳实施例，请参 考图3所示，其主要技术内容与前一较佳实施例大致相同，惟本较佳实施例进 一步具有多数的边缘运算设备10、一存储装置40，该等边缘运算设备10是可 分别通过网路与该ai云端设备20的云端运算伺服器22连结，将该等边缘运算 设备10取得多数的影像资讯一并发送至该ai云端设备20的ai训练伺服器21。 在本较佳实施例中，该存储装置40是可由一个以上的伺服器构成，该伺服器设 有一存储通讯协定；该存储装置40是可设置在该等边缘运算设备10与该ai 云端设备20的云端运算伺服器22之间，藉此将该等边缘运算设备10取得的多 数的影像资讯进行收集、汇整，若产线端有多条产线，则多数的边缘运算设备 10取得的影像资讯也会共同存储在单一存储设备，藉此提升管理流程效率。66.进一步的，如图3所示，在本较佳实施例中该等边缘运算设备10分别包括 一检测装置11及一推论(inference)装置12，该推论装置12与该检测装置11连 接，且该等边缘运算设备10的检测装置11可分别通过该存储装置40将该等影 像资讯发送至该ai云端设备20的ai训练伺服器21，该等边缘运算设备10的 推论装置12分别与该ai云端设备20的云端运算伺服器22连结；在本较佳实 施例中，该推论装置12是由该ai云端设备20的云端运算伺服器22下载该训 练模型，并由该检测装置11取得该即时影像资讯，该推论装置12根据该即时 影像资讯、该训练模型生成该辨识结果，并回传该辨识结果至该ai云端设备 20的云端运算伺服器22，藉此可提升运算效能与视觉检测效率；在本较佳实施 例中该辨识结果包括一瑕疵辨识结果。67.在本较佳实施例中，该检测装置11可由一自动光学检测(automatic opticalinspection,aoi)电脑装置所构成，该推论装置12可由一图形处理器(graphicsprocessing unit,gpu)所构成，且该推论装置12是安装设置在该检测装置11内； 另外，该推论装置12亦可由一gpu推论电脑装置所构成，且该推论装置12 是通过近端有线连接该检测装置11；通过上述连接方式可降低建置网路的成 本。68.关于本发明自动化视觉检测的ai流程管理系统的第三较佳实施例，请参 考图4所示，其主要技术内容与前一较佳实施例大致相同，惟本较佳实施例的 边缘运算设备10a有所不同，在较佳实施例中该边缘运算设备10a包括多数检 测装置11a,11b,11c以及一推论(inference)装置12a，该等检测装置11a、11b、 11c是分别与该推论装置12a连结，该等检测装置11a、11b、11c是分别通 过该存储装置40将该影像资讯发送至该ai云端设备20的训练伺服器21，该 推论装置12a由该ai云端设备20的云端运算伺服器22下载该训练模型，并 由该等检测装置11a,11b,11c取得所有的即时影像资讯，该推论装置12根据该 等即时影像资讯、该训练模型生成该辨识结果，并回传该辨识结果至该ai云端 设备20的云端运算伺服器22；通过多数检测装置11a,11b,11c与该推论装置 12a为多对一的架构，可降低建置该推论装置12a的成本。69.本发明根据前述各较佳实施例的具体内容及其应用方式，进一步归纳出一 种自动化视觉检测的ai流程管理方法，主要是由该ai云端设备20与网路连 结，并在该ai云端设备20执行该训练阶段，如图5所示，该方法是由该ai 云端设备20执行以下步骤：70.取得从该边缘运算设备10发送的一个以上的影像资讯(s51)，其中该影像 资讯包括一个以上的瑕疵资讯；71.依该影像资讯生成一个以上的标注资讯(s52)；72.根据该标注资讯生成一训练模型(s53)；以及73.更新训练模型并供下载至该边缘运算设备10(s54)。74.其中，该影像资讯可为多数个、该标注资讯可为多数个，在此仅是举例而 非加以限制；在本较佳实施例中，所述「依该影像资讯生成一个以上的标注资 讯(s52)」的步骤，其主要是在该ai云端设备20的云端运算伺服器22执行一 标注工具程式，并通过该标注工具程式针对该具有瑕疵资讯的影像资讯进行标 注，以生成该标注资讯；其中，该标注资讯包括一物件检测类型资讯及/或一 语意切割类型资讯。75.进一步的，在本较佳实施例中，所述「根据该标注资讯生成一训练模型 (s53)」的步骤，主要是在该ai云端设备20的云端运算伺服器22执行一个以 上的排程训练程式及一效能管理工具程式，该排程训练程式预设多种训练模型 以进行排程训练，生成该训练模型；其中，该效能管理工具程式是纪录用在训 练与推论的一个以上的效能指标，该效能指标包括一时间资讯、一资源耗费资 讯，该资源耗费资讯包括cpu/ram资源耗费资讯、gpu core/gpu ram资源 耗费资讯等。76.在本较佳实施例中，当前述该训练阶段完成，且该边缘运算设备10根据该 训练模型生成一更新后训练模型，该方法进一步包括由该边缘运算设备10启动 一执行阶段，如图6所示，该方法是由该边缘运算设备10执行以下步骤：77.进行一自动光学检测(automatic optical inspection,aoi)程序以取得一即时 影像资讯(s61)；78.根据该即时影像资讯、该更新后训练模型，生成一辨识结果(s62)；79.存储并回传该辨识结果至该ai云端设备20(s63)。80.在本较佳实施例中，该辨识结果包括一瑕疵辨识结果。本发明通过ai技 术能即时重启训练阶段，并通过该标注资讯即时生成及更新该训练模型，确实 能提升视觉检测效率。81.以上所述仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限 制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟 悉本专业的技术人员，在不脱离本发明技术方案的范围内，当可利用上述揭示 的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发 明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、 等同变化与修饰，均仍属于本发明技术方案的范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!