JP2022539912A - 電子デバイスバックプレーン外観瑕疵検査方法及び装置 - Google Patents
電子デバイスバックプレーン外観瑕疵検査方法及び装置 Download PDFInfo
- Publication number
- JP2022539912A JP2022539912A JP2022502080A JP2022502080A JP2022539912A JP 2022539912 A JP2022539912 A JP 2022539912A JP 2022502080 A JP2022502080 A JP 2022502080A JP 2022502080 A JP2022502080 A JP 2022502080A JP 2022539912 A JP2022539912 A JP 2022539912A
- Authority
- JP
- Japan
- Prior art keywords
- backplane
- electronic device
- defect
- appearance
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 174
- 238000007689 inspection Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000015654 memory Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 208000032544 Cicatrix Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000037387 scars Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
【課題】例えば携帯電話のような中古電子デバイスのバックプレーン外観の瑕疵差異を正確に識別することができる電子デバイスバックプレーン外観瑕疵検査方法及び装置を提供する。【解決手段】電子デバイスの外観画像を取得し、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整し、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力し、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信し、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含むことにより、例えば携帯電話である中古電子デバイスのような電子デバイスのバックプレーン外観の瑕疵差異を正確に識別する。【選択図】図1
Description
本発明は、コンピューター分野に関し、特に、電子デバイスバックプレーン外観瑕疵検査方法及び装置に関する。
現在、例えば、携帯電話等のような中古の電子デバイスのバックプレーン外観の欠陥検査において、伝統的な画像アルゴリズムに基づき、色空間変換、ろ波、特徴点抽出、パターンマッチングにより検査を行い、伝統的な検査方法によれば、あるエリアに欠陥を検査することができるが、欠陥の定義に対して区別することができない。
本発明が解決しようとする課題は、上述したように例えば、携帯電話等のような中古の電子デバイスのバックプレーン外観の欠陥検査において、伝統的な画像アルゴリズムに基づき、色空間変換、ろ波、特徴点抽出、パターンマッチングにより検査を行い、伝統的な検査方法によれば、あるエリアに欠陥を検査することができるが、欠陥の定義に対して区別することができないことを解決するする方法及び装置を提供する。
本発明の一目的は、電子デバイスバックプレーン外観瑕疵検査方法及び装置を提供することにある。
本発明の一方によれば、電子デバイスバックプレーン外観瑕疵検査方法を提供する。この方法は、
電子デバイスの外観画像を取得するステップと、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整するステップと、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力するステップと、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含むステップと、を含む。
電子デバイスの外観画像を取得するステップと、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整するステップと、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力するステップと、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含むステップと、を含む。
さらに、上述した方法において、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出するステップは、
Unet実例分割の方式で、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出することを含む。
さらに、上述した方法において、前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いる。
さらに、上述した方法において、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信された後、さらに、
前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別することと、
前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力することとを含む。
さらに、上述した方法において、前記バックプレーン外観エリア画像をFPNネットワークとbackboneネットワークの結合モデルに入力する前、さらに、
Unet実例分割の方式で、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出することを含む。
さらに、上述した方法において、前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いる。
さらに、上述した方法において、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信された後、さらに、
前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別することと、
前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力することとを含む。
さらに、上述した方法において、前記バックプレーン外観エリア画像をFPNネットワークとbackboneネットワークの結合モデルに入力する前、さらに、
FPNネットワークとbackboneネットワークの結合モデル及びその初期のモデルパラメータを予め設定するステップ1と、
サンプル電子デバイスのバックプレーン外観エリア画像を現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルに入力し、サンプル電子デバイスのバックプレーンの瑕疵予測結果を取得し、前記瑕疵予測結果は、サンプル電子デバイスのバックプレーンの瑕疵種類、サンプル電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含むステップ2と、
予め設定された目的関数に基づき、前記瑕疵予測結果とサンプル電子デバイスの真実瑕疵結果の間の差を算出し、前記差は第2の予め設定された閾値より大きいかを識別するステップ3と、
前記差は第2の予め設定された閾値より大きい場合、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改めてステップ2から実行するステップ4と、
前記差は第2の予め設定された閾値の以下である場合、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いるステップ5と、を含む。
サンプル電子デバイスのバックプレーン外観エリア画像を現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルに入力し、サンプル電子デバイスのバックプレーンの瑕疵予測結果を取得し、前記瑕疵予測結果は、サンプル電子デバイスのバックプレーンの瑕疵種類、サンプル電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含むステップ2と、
予め設定された目的関数に基づき、前記瑕疵予測結果とサンプル電子デバイスの真実瑕疵結果の間の差を算出し、前記差は第2の予め設定された閾値より大きいかを識別するステップ3と、
前記差は第2の予め設定された閾値より大きい場合、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改めてステップ2から実行するステップ4と、
前記差は第2の予め設定された閾値の以下である場合、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いるステップ5と、を含む。
さらに、上述した方法において、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整するステップは、
前記バックプレーン外観エリア画像の長さ方向を拡大縮小することを含む。
本発明の他方によれば、電子デバイスバックプレーン外観瑕疵検査装置がさらに提供される。この装置は、
電子デバイスの外観画像を取得することに用いられる第1の装置と、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する第2の装置と、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する第3の装置と、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信することに用いられ、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む第4の装置と、を含む。
前記バックプレーン外観エリア画像の長さ方向を拡大縮小することを含む。
本発明の他方によれば、電子デバイスバックプレーン外観瑕疵検査装置がさらに提供される。この装置は、
電子デバイスの外観画像を取得することに用いられる第1の装置と、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する第2の装置と、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する第3の装置と、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信することに用いられ、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む第4の装置と、を含む。
さらに、上述した装置において、前記第2の装置は、Unet実例分割の方式で、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出することに用いられる。
さらに、上述した装置において、前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いる。
さらに、上述した装置において、前記第4の装置はさらに、前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別し、前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力することに用いられる。
さらに、上述した装置において、前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いる。
さらに、上述した装置において、前記第4の装置はさらに、前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別し、前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力することに用いられる。
さらに、上述した装置において、さらに第5の装置を含み、前記第5の装置は、
FPNネットワークとbackboneネットワークの結合モデル及びその初期のモデルパラメータを予め設定することに用いられる第51の装置と、
サンプル電子デバイスのバックプレーン外観エリア画像を現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルに入力し、サンプル電子デバイスのバックプレーンの瑕疵予測結果を取得することに用いられ、前記瑕疵予測結果は、サンプル電子デバイスのバックプレーンの瑕疵種類、サンプル電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む第52の装置と、
予め設定された目的関数に基づき、前記瑕疵予測結果とサンプル電子デバイスの真実瑕疵結果との間の差を算出し、前記差は第2の予め設定された閾値より大きいかを識別し、前記差は第2の予め設定された閾値より大きい場合、第54の装置を起動させ、前記差は第2の予め設定された閾値の以下である場合、第55の装置を起動させることに用いられる第53の装置と、
第54の装置であって、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改め第52の装置から実行することに用いられる第54の装置と、
第55の装置であって、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いることに用いられる第55の装置と、を含む。
さらに、上述した装置において、前記第2の装置は、前記バックプレーン外観エリア画像の長さ方向を拡大縮小することに用いられる。
本発明により、算出に基づく装置がさらに提供される。前記装置は、
プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含み、前記実行できるコマンドが実行されるとき、前記プロセッサーは、
電子デバイスの外観画像を取得し、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整し、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力し、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信し、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
FPNネットワークとbackboneネットワークの結合モデル及びその初期のモデルパラメータを予め設定することに用いられる第51の装置と、
サンプル電子デバイスのバックプレーン外観エリア画像を現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルに入力し、サンプル電子デバイスのバックプレーンの瑕疵予測結果を取得することに用いられ、前記瑕疵予測結果は、サンプル電子デバイスのバックプレーンの瑕疵種類、サンプル電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む第52の装置と、
予め設定された目的関数に基づき、前記瑕疵予測結果とサンプル電子デバイスの真実瑕疵結果との間の差を算出し、前記差は第2の予め設定された閾値より大きいかを識別し、前記差は第2の予め設定された閾値より大きい場合、第54の装置を起動させ、前記差は第2の予め設定された閾値の以下である場合、第55の装置を起動させることに用いられる第53の装置と、
第54の装置であって、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改め第52の装置から実行することに用いられる第54の装置と、
第55の装置であって、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いることに用いられる第55の装置と、を含む。
さらに、上述した装置において、前記第2の装置は、前記バックプレーン外観エリア画像の長さ方向を拡大縮小することに用いられる。
本発明により、算出に基づく装置がさらに提供される。前記装置は、
プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含み、前記実行できるコマンドが実行されるとき、前記プロセッサーは、
電子デバイスの外観画像を取得し、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整し、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力し、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信し、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
本発明により、コンピューターが実行できるコマンドを格納するコンピューター可読記憶媒体がさらに提供される。このコンピューターが実行できるコマンドがプロセッサーにより実行されるとき、このプロセッサーは、
電子デバイスの外観画像を取得し、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整し、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力し、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信し、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
電子デバイスの外観画像を取得し、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整し、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力し、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信し、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
従来の技術に比べて、本発明は、電子デバイスの外観画像を取得し、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整し、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力し、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信し、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含むことにより、例えば携帯電話である中古電子デバイスのような電子デバイスのバックプレーン外観の瑕疵差異を正確に識別することができる。
以下の図面を参照して作成した非制限的実施例に対する詳細な記述を閲読することにより、本発明のその他の特徴、目的及びメリットは明らかになる。
本発明の一実施例による電子デバイスバックプレーン外観瑕疵検査方法を示すフローチャートである。
本発明の一実施例による瑕疵検査結果を示す図である。
本発明の一実施例によるFPNネットワークとbackboneネットワークの結合モデルを示す図である。
図面において、同じまたは類似する図面符号は同じまたは類似する部品を示す。
以下、図面を参照しながら、本発明を詳細に説明する。
本願の典型的な機器構成において、端末、サーバー及び信頼できる第3の者機関はいずれも1つまたは複数のプロセッサー(CPU)、入力/出力インターフェース、ネットワークインターフェース及びメモリを含む。
本願の典型的な機器構成において、端末、サーバー及び信頼できる第3の者機関はいずれも1つまたは複数のプロセッサー(CPU)、入力/出力インターフェース、ネットワークインターフェース及びメモリを含む。
メモリは、コンピューター可読媒体における揮発性メモリ、ランダムアクセスメモリ(RAM)及び/又は例えば、リードオンリメモリ(ROM)またはフラッシュメモリ(flash RAM)のような不揮発性メモリ等を含む。メモリはコンピューター可読媒体の一例である。
コンピューター可読媒体は不揮発性と揮発性、可搬型と据え置き型媒体を含み、あらゆる方法や技術により情報格納を実現することができる。情報は、コンピューター可読コマンド、データ構造、プログラムのモジュールまたはその他のデータである。コンピューターの記憶媒体の例として、相変化メモリ(PRAM)、スタティックランダムアクセスメモリ(SRAM)、ダイナミックランダムアクセスメモリ(DRAM)、その他のタイプのランダムアクセスメモリ(RAM)、リードオンリメモリ(ROM)、電気的消去可能プログラマブルリードオンリメモリ(EEPROM)、フラッシュメモリまたはその他のメモリ技術、コンパクトディスクリードオンリメモリ(CD-ROM)、デジタルビデオディスク(DVD)またはその他の光学記憶装置、カセットテープ、磁気ディスクまたはその他の磁気記憶装置または、演算装置がアクセスする情報を格納することに用いられるあらゆるその他の非伝送媒体を含むが、これらに限られない。本明細書の限定によれば、例えば、変調のデータ信号及び搬送波のようなコンピューター可読媒体は一時的記憶コンピューター可読媒体(transitory media)を含まない。
本発明により提供される電子デバイスバックプレーン外観瑕疵検査方法は下記のステップS1~S4を含む。
ステップS1において、電子デバイスの外観画像を取得する。
ステップS2において、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する。
ステップS1において、電子デバイスの外観画像を取得する。
ステップS2において、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する。
ここで、電子デバイスのバックプレーン外観エリアは、電子デバイスにおける前面スクリーンエリアと側面エリアを除いた背面エリアを含む。この背面エリアは、一般的には、カメラなどの部品が取り付けられる。
バックプレーン外観エリア画像にはアスペクト比が異なっている場合が存在する。後続のモデル識別において、画像損失を回避するために、バックプレーン外観エリア画像のアスペクト比を1:1に調整する。
ステップS3において、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する。
ステップS4において、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
ステップS3において、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する。
ステップS4において、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
前記FPNネットワークとbackboneネットワークの結合モデルは図3に示す。
ここで、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、図2に示すように、それぞれの瑕疵検査結果はcls、x1、y1、x2、y2、scoreを含む。clsは欠陥タイプである。x1、y1、x2、y2はバックプレーン外観エリア画像における瑕疵位置の4つの座標である。scoreはこの瑕疵の信頼度である。
ここで、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、図2に示すように、それぞれの瑕疵検査結果はcls、x1、y1、x2、y2、scoreを含む。clsは欠陥タイプである。x1、y1、x2、y2はバックプレーン外観エリア画像における瑕疵位置の4つの座標である。scoreはこの瑕疵の信頼度である。
本発明は主に、改進した特徴ピラミッド(FPN)ネットワーク結合backboneネットワークのディープラーニングモデルを利用し、例えば、携帯電話のような中古電子デバイスのバックプレーン外観の瑕疵差異を正確に識別でき、瑕疵種類を正確に区別できる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、ステップS2では、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、
Unet実例分割の方式で、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出する。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、ステップS2では、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、
Unet実例分割の方式で、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出する。
ここで、Unet実例分割により、バックプレーン外観エリア画像を素早く取得できる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、ステップS4では、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信した後、さらに、
前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別し、
前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力する。
前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別し、
前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力する。
ここで、電子デバイスバックプレーンの瑕疵種類は、割れ目、バックプレーンとスクリーン分離、変形、断裂欠落、大面積ペンキ剥がれ、小面積ペンキ剥がれ(変形、凹みに色が露出)、凹んで色が不変、傷跡が深くて色が周りと異なること、小点であって色が周りと異なること、断裂などを含む。
本実施例は前記瑕疵検査結果の信頼度を識別することにより、瑕疵検査結果から信頼できる結果を選別して出力することができる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、ステップS3では、前記バックプレーン外観エリア画像をFPNネットワークとbackboneネットワークの結合モデルに入力する前、さらに、以下のステップ1~5を含む。
ステップ1において、FPNネットワークとbackboneネットワークの結合モデル及びその初期のモデルパラメータを予め設定する。
ステップ1において、FPNネットワークとbackboneネットワークの結合モデル及びその初期のモデルパラメータを予め設定する。
ステップ2において、サンプル電子デバイスのバックプレーン外観エリア画像を現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルに入力し、サンプル電子デバイスのバックプレーンの瑕疵予測結果を取得し、前記瑕疵予測結果は、サンプル電子デバイスのバックプレーンの瑕疵種類、サンプル電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
ステップ3において、予め設定された目的関数に基づき、前記瑕疵予測結果とサンプル電子デバイスの真実瑕疵結果との間の差を算出し、前記差は第2の予め設定された閾値より大きいかを識別する。
前記差は第2の予め設定された閾値より大きい場合、ステップ4において、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改めてステップ2から実行する。
前記差は第2の予め設定された閾値の以下である場合、ステップ5において、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いる。
前記差は第2の予め設定された閾値より大きい場合、ステップ4において、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改めてステップ2から実行する。
前記差は第2の予め設定された閾値の以下である場合、ステップ5において、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いる。
ここで、前記差は第2の予め設定された閾値より大きいかを識別することにより、FPNネットワークとbackboneネットワークの結合モデルを循環してトレーニングし、信頼できるモデルを取得することができる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、前記バックプレーン外観エリア画像を長さと幅が同じ画像に調整し、
前記バックプレーン外観エリア画像の長さ方向を拡大縮小する。
前記バックプレーン外観エリア画像の長さ方向を拡大縮小する。
ここで、2048×2048のピクセルサイズとなるようにバックプレーン外観エリア画像を拡大縮小することで、前記バックプレーン外観エリア画像を長さと幅が同じの画像にする。
本発明により提供される電子デバイスバックプレーン外観瑕疵検査装置は、以下の第1~第4の装置を含む。
本発明により提供される電子デバイスバックプレーン外観瑕疵検査装置は、以下の第1~第4の装置を含む。
第1の装置は、電子デバイスの外観画像を取得することに用いられる。
第2の装置は、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整することに用いられる。
ここで、電子デバイスのバックプレーン外観エリアは、電子デバイスにおける前面スクリーンエリアと背面エリアを除いた側面エリアを含む。この側面エリアは、一般的には、イヤホンジャック、スピーカー、充電差込口などの部品が取り付けられる。
第2の装置は、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整することに用いられる。
ここで、電子デバイスのバックプレーン外観エリアは、電子デバイスにおける前面スクリーンエリアと背面エリアを除いた側面エリアを含む。この側面エリアは、一般的には、イヤホンジャック、スピーカー、充電差込口などの部品が取り付けられる。
バックプレーン外観エリア画像にはアスペクト比が異なっている場合が存在する。後続のモデル識別において、画像損失を回避するために、バックプレーン外観エリア画像のアスペクト比を1:1に調整する。
第3の装置は、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力することに用いられる。
第4の装置は、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信することに用いられる。前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
ここで、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、それぞれの瑕疵検査結果はcls、x1、y1、x2、y2、scoreを含む。clsは欠陥タイプである。x1、y1、x2、y2はバックプレーン外観エリア画像における瑕疵位置の4つの座標である。scoreはこの瑕疵の信頼度である。
本発明は主に、改進した特徴ピラミッド(FPN)ネットワーク結合backboneネットワークのディープラーニングモデルを利用し、例えば、携帯電話のような中古電子デバイスのバックプレーン外観差異を正確に識別できる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、前記第2の装置は、Unet実例分割の方式で、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出することに用いられる。
ここで、Unet実例分割により、バックプレーン外観エリア画像を素早く取得できる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、前記第4の装置はさらに、前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別することに用いられる。前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力する。
ここで、電子デバイスバックプレーンの瑕疵種類はレベルが上がる浅い傷、深い傷及び断裂を含む。
ここで、電子デバイスバックプレーンの瑕疵種類はレベルが上がる浅い傷、深い傷及び断裂を含む。
本実施例は、前記瑕疵検査結果の信頼度を識別することにより、瑕疵検査結果から信頼できる結果を選別して出力することができる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、さらに第5の装置を含む。前記第5の装置は以下の第51~55の装置を含む。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、さらに第5の装置を含む。前記第5の装置は以下の第51~55の装置を含む。
第51の装置は、FPNネットワークとbackboneネットワークの結合モデル及びその初期のモデルパラメータを予め設定することに用いられる。
第52の装置は、サンプル電子デバイスのバックプレーン外観エリア画像を現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルに入力し、サンプル電子デバイスのバックプレーンの瑕疵予測結果を取得し、前記瑕疵予測結果は、サンプル電子デバイスのバックプレーンの瑕疵種類、サンプル電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
第53の装置は、予め設定された目的関数に基づき、前記瑕疵予測結果とサンプル電子デバイスの真実瑕疵結果との間の差を算出し、前記差は第2の予め設定された閾値より大きいかを識別し、前記差は第2の予め設定された閾値より大きい場合、第54の装置を起動させ、前記差は第2の予め設定された閾値の以下である場合、第55の装置を起動させることに用いられる。
第54の装置は、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改めて第52の装置から実行する。
第55の装置は、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いる。
ここで、前記差は第2の予め設定された閾値より大きいかを識別することにより、FPNネットワークとbackboneネットワークの結合モデルを循環してトレーニングし、信頼できるモデルを取得することができる。
ここで、前記差は第2の予め設定された閾値より大きいかを識別することにより、FPNネットワークとbackboneネットワークの結合モデルを循環してトレーニングし、信頼できるモデルを取得することができる。
本発明の電子デバイスバックプレーン外観瑕疵検査方法による一実施例において、前記第2の装置は、前記バックプレーン外観エリア画像の長さ方向を拡大縮小することに用いられる。
ここで、2048×2048のピクセルサイズとなるようにバックプレーン外観エリア画像を拡大縮小することで、前記バックプレーン外観エリア画像を長さと幅が同じの画像にする。
ここで、2048×2048のピクセルサイズとなるようにバックプレーン外観エリア画像を拡大縮小することで、前記バックプレーン外観エリア画像を長さと幅が同じの画像にする。
本発明は算出に基づく装置をさらに提供する。この装置は、
プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含む。前記実行できるコマンドが実行されるとき、前記プロセッサーは以下のステップS1~S4を実行する。
ステップS1において、電子デバイスの外観画像を取得する。
ステップS2において、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する。
ステップS3において、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する。
ステップS4において、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含む。前記実行できるコマンドが実行されるとき、前記プロセッサーは以下のステップS1~S4を実行する。
ステップS1において、電子デバイスの外観画像を取得する。
ステップS2において、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する。
ステップS3において、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する。
ステップS4において、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
本発明はコンピューターが実行できるコマンドを格納するコンピューター可読記憶媒体をさらに提供する。このコンピューターが実行できるコマンドがプロセッサーにより実行されるとき、このプロセッサーは、以下のステップS1~S4を実行する。
ステップS1において、電子デバイスの外観画像を取得する。
ステップS2において、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する。
ステップS3において、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する。
ステップS4において、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
本発明の各装置及び記憶媒体実施例の詳細内容は、具体的には、各方法実施例の対応部分を参照し、ここで、重複の記述は不要である。
ステップS2において、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する。
ステップS3において、調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する。
ステップS4において、前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む。
本発明の各装置及び記憶媒体実施例の詳細内容は、具体的には、各方法実施例の対応部分を参照し、ここで、重複の記述は不要である。
明らかに、当業者は、本願の精神及び範囲から逸脱しない限り、本願に対して様々な変更や変形を行うことができる。このため、本願のこれらの変更や変形は本願の特許請求の範囲及びその同等技術の範囲内に属し、本願はこれらの変更や変形を含む。
本発明はソフトウェア及び/又はソフトウェアとハードウェアの組み合わせで実施され、例えば、特定用途向け集積回路(ASIC)、汎用コンピューターまたはあらゆるその他の類似ハードウェア装置により実現されてもよい。一実施例において、本発明のソフトウェアプログラムはプロセッサーにより実行され、前記ステップまたは機能を実現する。同様に、本発明のソフトウェアプログラム(関連するデータ構造を含む)は、例えば、RAMメモリ、磁気または光学ドライバまたはフロッピーディスク及び類似装置のようなコンピューター可読記録媒体に格納される。また、本発明のあるステップまたは機能は、例えば、プロセッサーと組み合わせてそれぞれのステップまたは機能を実現する回路のようなハードウェアにより実現されてもよい。
また、本発明の一部は、例えばコンピュータープログラムコマンドのようなコンピュータープログラム製品として応用されることができる。コンピューターにより実行されるとき、このコンピューターの操作により、本発明による方法及び/又は技術的方案を呼出または提供してもよい。本発明の方法によるプログラムを呼出するコマンドは、据え置き型または可搬型の記録媒体に格納され、及び/又は放送またはその他の信号搬送媒体におけるデータフローにより伝送され、及び/又は前記プログラムコマンドにより実行されるコンピューター装置の作業メモリに格納されてもよい。ここで、本発明による実施例は、装置を含む。この装置は、コンピュータープログラムコマンドを格納するためのメモリ及びプログラムコマンドを実行するためのプロセッサーを含む。このコンピュータープログラムコマンドがこのプロセッサーにより実行されるとき、この装置に本発明による複数の実施例の方法及び/又は技術的方案を実行させる。
当業者にとって、本発明は例示的実施例の細部に限られなく、本発明の精神または基本特徴から逸脱しない限り、その他の具体的な形態により本発明を実現する。このため、いずれかの点から見ても、実施例を例示的なものと見なし、非制限的なものと見なす。本発明の範囲は特許請求の範囲により制限されるが、上記記述により制限されるものではないので、特許請求の範囲の同等要素の定義及び範囲内に落ちるすべての変化は本発明内に含まれる。特許請求の範囲におけるいずれかの図面符号は特許請求の範囲を制限するものではない。また、「含む」はその他のユニットまたはステップを排除しなく、単数は複数を排除しない。装置の特許請求の範囲に記述される複数のユニットまたは装置は1つのユニットまたは装置で、ソフトウェアまたはハードウェアにより実現される。「第1の」、「第2の」などの用語は、名称を示すが、特定の順序を示すものではない。
Claims (14)
- 電子デバイスの外観画像を取得することと、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整することと、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力することと、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信され、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含むことと、
を含むことを特徴とする電子デバイスバックプレーン外観瑕疵検査方法。 - 前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出することは、
Unet実例分割の方式で、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出することを含むことを特徴とする請求項1に記載の方法。 - 前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いることを特徴とする請求項1に記載の方法。
- 前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果が受信された後、さらに、
前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別することと、
前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力することと、
を含むことを特徴とする請求項1に記載の方法。 - 前記バックプレーン外観エリア画像をFPNネットワークとbackboneネットワークの結合モデルに入力する前、さらに、
FPNネットワークとbackboneネットワークの結合モデル及びその初期のモデルパラメータを予め設定するステップ1と、
サンプル電子デバイスのバックプレーン外観エリア画像を現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルに入力し、サンプル電子デバイスのバックプレーンの瑕疵予測結果を取得し、前記瑕疵予測結果は、サンプル電子デバイスのバックプレーンの瑕疵種類、サンプル電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含むステップ2と、
予め設定された目的関数に基づき、前記瑕疵予測結果とサンプル電子デバイスの真実瑕疵結果の間の差を算出し、前記差は第2の予め設定された閾値より大きいかを識別するステップ3と、
前記差は第2の予め設定された閾値より大きい場合、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改めてステップ2から実行するステップ4と、
前記差は第2の予め設定された閾値の以下である場合、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いるステップ5と、
を含むことを特徴とする請求項1に記載の方法。 - 前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整することは、
前記バックプレーン外観エリア画像の長さ方向を拡大縮小することを含むことを特徴とする請求項1に記載の方法。 - 電子デバイスの外観画像を取得することに用いられる第1の装置と、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整する第2の装置と、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力する第3の装置と、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信することに用いられ、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む第4の装置と、
を含むことを特徴とする電子デバイスバックプレーン外観瑕疵検査装置。 - 前記第2の装置は、Unet実例分割の方式で、前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出することに用いられることを特徴とする請求項7に記載の装置。
- 前記backboneネットワークの前2層はres構造を用い、ネットワークの後2層はinception構造を用いることを特徴とする請求項7に記載の装置。
- 前記第4の装置はさらに、前記瑕疵検査結果の信頼度は第1の予め設定された閾値より大きいかを識別し、前記第1の予め設定された閾値より大きい場合、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置を含む結果情報を出力することに用いられることを特徴とする請求項7に記載の装置。
- さらに第5の装置を含み、前記第5の装置は、
FPNネットワークとbackboneネットワークの結合モデル及びその初期のモデルパラメータを予め設定することに用いられる第51の装置と、
サンプル電子デバイスのバックプレーン外観エリア画像を現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルに入力し、サンプル電子デバイスのバックプレーンの瑕疵予測結果を取得することに用いられ、前記瑕疵予測結果は、サンプル電子デバイスのバックプレーンの瑕疵種類、サンプル電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む第52の装置と、
予め設定された目的関数に基づき、前記瑕疵予測結果とサンプル電子デバイスの真実瑕疵結果との間の差を算出し、前記差は第2の予め設定された閾値より大きいかを識別し、前記差は第2の予め設定された閾値より大きい場合、第54の装置を起動させ、前記差は第2の予め設定された閾値の以下である場合、第55の装置を起動させることに用いられる第53の装置と、
第54の装置であって、前記差に基づき、前記FPNネットワークとbackboneネットワークの結合モデルパラメータを更新した後、改め第52の装置から実行することに用いられる第54の装置と、
第55の装置であって、トレーニング済みのFPNネットワークとbackboneネットワークの結合モデルとして、現在モデルパラメータを有するFPNネットワークとbackboneネットワークの結合モデルを用いることに用いられる第55の装置と、
を含むことを特徴とする請求項7に記載の装置。 - 前記第2の装置は、前記バックプレーン外観エリア画像の長さ方向を拡大縮小することに用いられることを特徴とする請求項7に記載の装置。
- 算出に基づく装置であって、
プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含み、前記実行できるコマンドが実行されるとき、前記プロセッサーは、
電子デバイスの外観画像を取得し、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整し、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力し、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信し、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む
ことを特徴とする装置。 - コンピューターが実行できるコマンドを格納するコンピューター可読記憶媒体であって、このコンピューターが実行できるコマンドがプロセッサーにより実行されるとき、このプロセッサーは、
電子デバイスの外観画像を取得し、
前記電子デバイスの外観画像からこの電子デバイスのバックプレーン外観エリア画像を抽出し、前記バックプレーン外観エリア画像を長さと幅が同じの画像に調整し、
調整後のバックプレーン外観エリア画像をトレーニング済みのFPNネットワークとbackboneネットワークの結合モデルに入力し、
前記FPNネットワークとbackboneネットワークの結合モデルから出力する電子デバイスのバックプレーン外観エリアの瑕疵検査結果を受信し、前記瑕疵検査結果は、電子デバイスのバックプレーンの瑕疵種類、電子デバイスのバックプレーンにおける瑕疵位置及び瑕疵検査結果の信頼度を含む
ことを特徴とするコンピューター可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911033637.XA CN110827249A (zh) | 2019-10-28 | 2019-10-28 | 电子设备背板外观瑕疵检测方法及设备 |
CN201911033637.X | 2019-10-28 | ||
PCT/CN2020/120878 WO2021082921A1 (zh) | 2019-10-28 | 2020-10-14 | 电子设备背板外观瑕疵检测方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022539912A true JP2022539912A (ja) | 2022-09-13 |
Family
ID=69550888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022502080A Pending JP2022539912A (ja) | 2019-10-28 | 2020-10-14 | 電子デバイスバックプレーン外観瑕疵検査方法及び装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2022539912A (ja) |
CN (1) | CN110827249A (ja) |
WO (1) | WO2021082921A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11922467B2 (en) | 2020-08-17 | 2024-03-05 | ecoATM, Inc. | Evaluating an electronic device using optical character recognition |
US11989710B2 (en) | 2018-12-19 | 2024-05-21 | Ecoatm, Llc | Systems and methods for vending and/or purchasing mobile phones and other electronic devices |
US12033454B2 (en) | 2021-08-16 | 2024-07-09 | Ecoatm, Llc | Kiosk for evaluating and purchasing used electronic devices |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3129917A1 (en) | 2019-02-12 | 2020-08-20 | Ecoatm, Llc | Connector carrier for electronic device kiosk |
KR20210127199A (ko) | 2019-02-18 | 2021-10-21 | 에코에이티엠, 엘엘씨 | 전자 디바이스의 신경망 기반의 물리적 상태 평가, 및 관련된 시스템 및 방법 |
CN110827249A (zh) * | 2019-10-28 | 2020-02-21 | 上海悦易网络信息技术有限公司 | 电子设备背板外观瑕疵检测方法及设备 |
CN110675399A (zh) * | 2019-10-28 | 2020-01-10 | 上海悦易网络信息技术有限公司 | 屏幕外观瑕疵检测方法及设备 |
CN112700428A (zh) * | 2021-01-08 | 2021-04-23 | 北京网瑞达科技有限公司 | 一种交换机背板元件识别方法及装置 |
CN114677326A (zh) * | 2022-02-15 | 2022-06-28 | 杭州印鸽科技有限公司 | 一种基于机器视觉和深度学习的印刷手机壳表面瑕疵检测装置、系统及方法 |
CN116681428B (zh) * | 2023-08-03 | 2023-09-29 | 天津奇立软件技术有限公司 | 电子设备的智能回收管理系统及方法 |
CN117288761B (zh) * | 2023-11-27 | 2024-02-06 | 天津市海迅科技发展有限公司 | 一种基于测试材料的瑕疵检测分类评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019513262A (ja) * | 2016-03-07 | 2019-05-23 | ハイラ・インコーポレイテッドHyla, Inc. | デバイスの画面損傷検出 |
JP2019087078A (ja) * | 2017-11-08 | 2019-06-06 | オムロン株式会社 | データ生成装置、データ生成方法及びデータ生成プログラム |
JP2019124591A (ja) * | 2018-01-17 | 2019-07-25 | 東京エレクトロン株式会社 | 基板の欠陥検査装置、基板の欠陥検査方法及び記憶媒体 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170277979A1 (en) * | 2016-03-22 | 2017-09-28 | Inovision Software Solutions, Inc. | Identifying defect on specular surfaces |
CN106875381B (zh) * | 2017-01-17 | 2020-04-28 | 同济大学 | 一种基于深度学习的手机外壳缺陷检测方法 |
US10215714B1 (en) * | 2017-08-16 | 2019-02-26 | Siemens Energy, Inc. | Method and system for detecting defects on surface of object |
CN109711474B (zh) * | 2018-12-24 | 2023-01-17 | 中山大学 | 一种基于深度学习的铝材表面缺陷检测算法 |
CN109886077B (zh) * | 2018-12-28 | 2021-07-09 | 北京旷视科技有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN109859190B (zh) * | 2019-01-31 | 2021-09-17 | 北京工业大学 | 一种基于深度学习的目标区域检测方法 |
CN110084124B (zh) * | 2019-03-28 | 2021-07-09 | 北京大学 | 基于特征金字塔网络的特征增强目标检测方法 |
CN110148130B (zh) * | 2019-05-27 | 2022-02-11 | 北京百度网讯科技有限公司 | 用于检测零件缺陷的方法和装置 |
CN110363104B (zh) * | 2019-06-24 | 2022-07-15 | 中国科学技术大学 | 一种柴油黑烟车的检测方法 |
CN110378420A (zh) * | 2019-07-19 | 2019-10-25 | Oppo广东移动通信有限公司 | 一种图像检测方法、装置及计算机可读存储介质 |
CN110796646A (zh) * | 2019-10-28 | 2020-02-14 | 上海悦易网络信息技术有限公司 | 一种电子设备屏幕区域瑕疵检测方法与设备 |
CN110827249A (zh) * | 2019-10-28 | 2020-02-21 | 上海悦易网络信息技术有限公司 | 电子设备背板外观瑕疵检测方法及设备 |
CN110675399A (zh) * | 2019-10-28 | 2020-01-10 | 上海悦易网络信息技术有限公司 | 屏幕外观瑕疵检测方法及设备 |
-
2019
- 2019-10-28 CN CN201911033637.XA patent/CN110827249A/zh active Pending
-
2020
- 2020-10-14 JP JP2022502080A patent/JP2022539912A/ja active Pending
- 2020-10-14 WO PCT/CN2020/120878 patent/WO2021082921A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019513262A (ja) * | 2016-03-07 | 2019-05-23 | ハイラ・インコーポレイテッドHyla, Inc. | デバイスの画面損傷検出 |
JP2019087078A (ja) * | 2017-11-08 | 2019-06-06 | オムロン株式会社 | データ生成装置、データ生成方法及びデータ生成プログラム |
JP2019124591A (ja) * | 2018-01-17 | 2019-07-25 | 東京エレクトロン株式会社 | 基板の欠陥検査装置、基板の欠陥検査方法及び記憶媒体 |
Non-Patent Citations (5)
Title |
---|
CARLOS SAMPEDRO, 外4名: ""Deep Learning-Based System for Automatic Recognition and Diagnosis of Electrical Insulator Strings"", IEEE ACCESS, vol. 第7巻, JPN6023002188, 9 August 2019 (2019-08-09), US, pages 101283 - 101308, ISSN: 0004989902 * |
SAMIRA POUYANFAR, 外2名: ""An efficient deep residual-inception network for multimedia classification"", 2017 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA AND EXPO (ICME), JPN6023002189, 14 July 2017 (2017-07-14), US, pages 373 - 378, XP033146666, ISSN: 0004989903, DOI: 10.1109/ICME.2017.8019447 * |
TSUNG-YI LIN, 外5名: ""Feature Pyramid Networks for Object Detection"", 2017 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), JPN6023002184, 26 July 2017 (2017-07-26), US, ISSN: 0004989901 * |
木田倫夫, 外1名: ""モデル細胞のしきい値ノイズによるバックプロパゲーション学習の高速化"", 電子情報通信学会技術研究報告, vol. 第106巻, 第589号, JPN6023002190, 8 March 2007 (2007-03-08), JP, pages 165 - 170, ISSN: 0004989904 * |
梅本可夏, 外2名: ""深層学習を用いた病理組織画像からの乳癌診断"", 電子情報通信学会技術研究報告, vol. 第117巻, 第50号, JPN6023002191, 18 May 2017 (2017-05-18), JP, pages 1 - 6, ISSN: 0004989905 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11989710B2 (en) | 2018-12-19 | 2024-05-21 | Ecoatm, Llc | Systems and methods for vending and/or purchasing mobile phones and other electronic devices |
US11922467B2 (en) | 2020-08-17 | 2024-03-05 | ecoATM, Inc. | Evaluating an electronic device using optical character recognition |
US12033454B2 (en) | 2021-08-16 | 2024-07-09 | Ecoatm, Llc | Kiosk for evaluating and purchasing used electronic devices |
Also Published As
Publication number | Publication date |
---|---|
WO2021082921A1 (zh) | 2021-05-06 |
CN110827249A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022539912A (ja) | 電子デバイスバックプレーン外観瑕疵検査方法及び装置 | |
WO2021082923A1 (zh) | 一种电子设备屏幕区域瑕疵检测方法与设备 | |
WO2021082918A1 (zh) | 屏幕外观瑕疵检测方法及设备 | |
JP2022539909A (ja) | 電子デバイスフレーム外観瑕疵検査方法及び装置 | |
US9697416B2 (en) | Object detection using cascaded convolutional neural networks | |
WO2021082919A1 (zh) | 一种电子设备屏幕区域瑕疵检测方法与设备 | |
CN111340752A (zh) | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 | |
CN110827244A (zh) | 一种用于电子设备外观瑕疵检测的方法与设备 | |
CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
US11908183B2 (en) | Image analysis and processing pipeline with real-time feedback and autocapture capabilities, and visualization and configuration system | |
US10122912B2 (en) | Device and method for detecting regions in an image | |
CN110856048B (zh) | 视频修复方法、装置、设备及存储介质 | |
CN105578023A (zh) | 一种快速拍摄图像方法及装置 | |
WO2021164328A1 (zh) | 图像生成方法、设备及存储介质 | |
WO2019134505A1 (zh) | 图像虚化方法、存储介质及电子设备 | |
EP4322109A1 (en) | Green screen matting method and apparatus, and electronic device | |
CN115908988B (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
CN110781823A (zh) | 录屏检测方法、装置、可读介质及电子设备 | |
CN111028276A (zh) | 图像对齐方法、装置、存储介质及电子设备 | |
CN112101386A (zh) | 文本检测方法、装置、计算机设备和存储介质 | |
CN116152166A (zh) | 基于特征相关性的缺陷检测方法及相关装置 | |
EP4350619A1 (en) | Battery cell squeeze damage detection method, apparatus and system | |
TWI597687B (zh) | 斑點(blob)偵測的實施方法、色彩轉變的實施系統、及機器可讀取媒體 | |
CN113628192B (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
CN111292374A (zh) | 一种自动插拔usb接口的方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220110 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230214 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231003 |