TW202103810A - 基於自我學習技術之移動物品分類系統及方法 - Google Patents

基於自我學習技術之移動物品分類系統及方法 Download PDF

Info

Publication number
TW202103810A
TW202103810A TW108126173A TW108126173A TW202103810A TW 202103810 A TW202103810 A TW 202103810A TW 108126173 A TW108126173 A TW 108126173A TW 108126173 A TW108126173 A TW 108126173A TW 202103810 A TW202103810 A TW 202103810A
Authority
TW
Taiwan
Prior art keywords
unit
parameter
image
item
article
Prior art date
Application number
TW108126173A
Other languages
English (en)
Other versions
TWI700129B (zh
Inventor
孫逢佐
葉怡婷
孫逢佑
張惠普
Original Assignee
開必拓數據股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 開必拓數據股份有限公司 filed Critical 開必拓數據股份有限公司
Priority to TW108126173A priority Critical patent/TWI700129B/zh
Priority to JP2020125297A priority patent/JP7033804B2/ja
Priority to US16/937,562 priority patent/US11203494B2/en
Priority to CN202010725133.0A priority patent/CN112287748B/zh
Application granted granted Critical
Publication of TWI700129B publication Critical patent/TWI700129B/zh
Publication of TW202103810A publication Critical patent/TW202103810A/zh

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
    • B65G47/34—Devices for discharging articles or materials from conveyor 
    • B65G47/42—Devices for discharging articles or materials from conveyor  operated by article or material being conveyed and discharged
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
    • B65G47/34—Devices for discharging articles or materials from conveyor 
    • B65G47/46—Devices for discharging articles or materials from conveyor  and distributing, e.g. automatically, to desired points
    • B65G47/48—Devices for discharging articles or materials from conveyor  and distributing, e.g. automatically, to desired points according to bodily destination marks on either articles or load-carriers
    • B65G47/49—Devices for discharging articles or materials from conveyor  and distributing, e.g. automatically, to desired points according to bodily destination marks on either articles or load-carriers without bodily contact between article or load carrier and automatic control device, e.g. the destination marks being electrically or electronically detected
    • B65G47/493—Devices for discharging articles or materials from conveyor  and distributing, e.g. automatically, to desired points according to bodily destination marks on either articles or load-carriers without bodily contact between article or load carrier and automatic control device, e.g. the destination marks being electrically or electronically detected by use of light responsive means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
    • B65G47/74—Feeding, transfer, or discharging devices of particular kinds or types
    • B65G47/90—Devices for picking-up and depositing articles or materials
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
    • B65G47/74—Feeding, transfer, or discharging devices of particular kinds or types
    • B65G47/90—Devices for picking-up and depositing articles or materials
    • B65G47/905—Control arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G61/00—Use of pick-up or transfer devices or of manipulators for stacking or de-stacking articles not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means
    • B65G2203/041—Camera

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sorting Of Articles (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本發明主要揭示一基於自我學習技術移動物品之分類系統，其包括：一光源提供裝置、一影像擷取裝置、一控制與處理裝置、以及一物品分選裝置。特別地，本發明於該控制與處理裝置之中建立一第一參數選擇單元、一第二參數選擇單元、以及一分類器選擇單元。此三個單元能夠以至少一筆第一參數、至少一筆第二參數和複數組物品影像資料進行自我學習及訓練，進而能夠自適性地依據傳送帶之上所傳送之物品的種類而決定適用於該光源提供裝置的至少一筆第一參數、適用於該影像擷取裝置的至少一筆第二參數、以及適用於辨識及分類所述物品之良品與不良品的影像分類器。因此，此基於自我學習技術之移動物品分類系統可以被用於對任何的物品執行自動檢測及分類。

Description

基於自我學習技術之移動物品分類系統及方法
本發明係關於工業用途之產品自動檢測系統的技術領域，尤指一種基於自我學習技術之移動物品分類系統及方法。
一般而言，在零件進行入庫之前以及半成品或成品進行出貨之前，必須對其進行品質檢驗，以確保最終產品的品質。通常，再依循既定的測試流程的情況下，產品功能的品質檢測結果不會有判斷方面的爭議，因此可能非常容易的依據功能的異常與否判定出良品或不良品。然而，在產品外觀(cosmetic)的判定標準便經常會出現一些爭議。
為了免除人工品檢所引發的判定標準之爭議問題，一些工業用途之自動檢測及分類系統於是推出。例如，中國實用新型專利號CN201394544Y揭示一種根據顏色和木紋分選木材的設備，其主要架構包括：一傳送帶、一影像擷取裝置、一分選裝置、以及一控制裝置。依據中國實用新型專利號CN201394544Y的揭示內容可知，影像擷取裝置用以取得位於該傳送帶之上的複數根木材之影像。如此，在參考一預設的分類數據表的情況下，該控制裝置便能夠基於各根木材之顏色、紋路與色斑對每根木材分類與分級。
另一方面，中國專利公開號CN101823057A揭示一種大米色選系統，其同樣利用影像擷取裝置取得位於該傳送帶之上的複數粒大米之影像，接著同樣依據外觀顏色判斷各粒大米之品質。再者，中國專利公開號CN101486033A揭示一種果品分檢裝置及板栗分檢方法，其主要架構包括：一輸送單元、一驅動單玩、一影像擷取裝置、一控制裝置、以及一分選裝置。依據中國專利公開號CN101486033A的揭示內容可知，影像擷取裝置用以取得位於該傳送帶之上的複數顆果品之影像。接著，在參考預設分類條件的情況下，該控制裝置便能夠自動判斷各顆果品的品質好壞，接著控制分選裝置將品質不符合標準之果品予以挑出。值得說明的是，所述預設分類條件指的是果品的外觀顏色。舉例而言，通過影像檢查可以檢測果品的外觀是否存在黑色的點，若有，則辨識該黑色的點為蟲眼(或稱蟲洞)。
由上述說明可知，習知技術雖然提出多種產品自動檢測系統，然而，不約而同地，各該產品自動檢測系統皆使用影像擷取裝置對傳送帶之上的產品進行影像擷取，令後端的控制裝置可以參考預設分類條件對線上產品進行外觀品質的判斷，進而對產品進行分類。必須知道的是，不同的產品之分類條件必然不同。舉例而言，中國實用新型專利號CN201394544Y的分類條件包括顏色、木紋與木材色斑，而中國專利公開號CN101823057A與中國專利公開號CN101486033A的僅使用顏色作為其分類條件。因此，在未變更裝置設定參數以及產品分類條件的前提下，用於對木材執行品質檢測的產品自動檢測系統便無法適用於對果品執行品質檢測。
當然，在變更裝置設定參數以及產品分類條件之後，用於對木材執行品質檢測之產品自動檢測系統是有機會能夠被應用在對果品執行品質檢測，但是裝置設定參數之變更並非易事，必須透過重複性的測試程序與資料收集之後才能夠完成。
由上述說明可知，目前市售的各式產品自動檢測系統通常為專用系統(special purpose machine)，其僅限於對特定零件、半成品或成品執行品質檢測。因此，實有必要對習知的產品自動檢測系統進行改良或重新設計，使其能夠自適性地(Adaptively)依據不同的產品而調整其裝置設定參數及/或產品分類條件，達到一機多用之效能。有鑑於此，本案之發明人係極力加以研究創作，而終於研發完成本發明之一種基於自我學習技術之移動物品分類系統及方法。
本發明之主要目的在於提供一種基於自我學習技術之移動物品分類系統及方法，其中，該基於自我學習技術之移動物品分類系統係包括：一光源提供裝置、一影像擷取裝置、一控制與處理裝置、以及一物品分選裝置。特別地，本發明於該控制與處理裝置之中建立一第一參數選擇單元、一第二參數選擇單元、以及一分類器選擇單元。此三個單元能夠以至少一筆第一參數、至少一筆第二參數和複數組物品影像資料進行自我學習(Self learning)及訓練(Self training)，進而能夠自適性地(Adaptively)依據傳送帶之上所傳送之物品的種類而決定適用於該光源提供裝置的至少一筆第一參數、適用於該影像擷取裝置的至少一筆第二參數、以及適用於辨識及分類所述物品之良品與不良品的影像分類器。由上述說明可知，本發明之基於自我學習技術之移動物品分類系統可以被用於對任何的農產品、機械零件、電子零件、半成品、或成品執行自動檢測及分類，具一機多用之特別功能。
為了達成上述本發明之主要目的，本案發明人係提供所述基於自我學習技術之移動物品分類系統之一實施例，其包括： 一光源提供裝置，設於一傳送帶之一側，用以提供一照明光以照射於該傳送帶之上移動的複數個物品； 一影像擷取裝置，設於該傳送帶之一側且同時鄰近該光源提供裝置，用以在該照明光的照射之下對各所述物品執行一影像擷取處理，進而產生複數組物品影像資料； 一控制與處理裝置，連接至該光源提供裝置與該影像擷取裝置，且包括： 一主控制單元； 一第一參數選擇單元，耦接該主控制單元，用以依據該物品之種類而提供至少一筆第一參數予該主控制單元，使得該主控制單元根據所述第一參數而控制該光源提供裝置提供所述照明光，使該照明光具有一特定光色和一特定強度； 一第二參數選擇單元，耦接該主控制單元，用以依據該物品之種類而提供至少一筆第二參數予該主控制單元，使得該主控制單元根據所述第二參數而控制該影像擷取裝置，藉以令該影像擷取裝置基於所述第二參數完成該影像擷取處理； 一參數儲存單元，耦接該主控制單元，用以儲存該第一參數與該第二參數； 一影像資料儲存單元，耦接該主控制單元，用以儲存該複數組物品影像資料；及 一分類器選擇單元，耦接該參數儲存單元與該影像資料儲存單元，用以依據該第一參數、該第二參數、與該複數組物品影像資料而選擇一影像分類器，進而使用該影像分類器對該複數組物品影像資料進行一影像分類處理；以及 一物品分選裝置，係連接該控制與處理裝置； 其中，依據完成所述影像分類處理的該複數組物品影像資料，該物品分選裝置對該傳送帶之上移動的各所述物品執行一物品分選處理，以將複數個物品至少分成複數個正常物品以及複數個非正常物品。
並且，為了達成上述本發明之主要目的，本案發明人係同時提供所述基於自我學習技術之移動物品分類方法之一實施例，其係應用於一物品分類系統之中，其中該物品分類系統包括一傳送帶、一光源提供裝置、一影像擷取裝置、一控制與處理裝置、以及一物品分選裝置，且該方法包括以下步驟： (1)於該控制與處理裝置之中配置一主控制單元、一第一參數選擇單元、一第二參數選擇單元、一參數儲存單元、一影像資料儲存單元、以及一分類器選擇單元； (2)以該傳送帶傳送複數個物品； (3)該第一參數選擇單元依據該物品之種類而提供至少一筆第一參數予該主控制單元，使得該主控制單元根據所述第一參數而控制該光源提供裝置提供一照明光以照射於該傳送帶之上移動的複數個物品；其中，該照明光具有一特定光色和一特定強度； (4)該第二參數選擇單元依據該物品之種類而提供至少一筆第二參數予該主控制單元，使得該主控制單元根據所述第二參數而控制該影像擷取裝置，藉以令該影像擷取裝置在該照明光的照射之下對各所述物品執行一影像擷取處理，進而產生複數組物品影像資料； (5)該分類器選擇單元依據儲存於該參數儲存單元之中的該第一參數與該第二參數以及儲存於該影像資料儲存單元而選擇一影像分類器，進而使用該影像分類器對該複數組物品影像資料進行一影像分類處理； (6)判斷是否所述影像分類器能夠透過該影像分類處理而正常地將該複數個物品至少分成複數個正常物品以及複數個非正常物品，若是，則執行步驟(7)；若否，則重複執行步驟(3)；以及 (7)依據完成所述影像分類處理的該複數組物品影像資料，該物品分選裝置對於該傳送帶之上移動的各所述物品執行一物品分選處理，進而將複數個正常物品以及複數個非正常物品分別送入一正常品收集裝置與一非正常品收集裝置之中。
為了能夠更清楚地描述本發明所提出之一種基於自我學習技術之移動物品分類系統及方法，以下將配合圖式，詳盡說明本發明之較佳實施例。
圖1顯示本發明之一種基於自我學習技術之移動物品分類系統的第一立體圖。本發明之基於自我學習技術之移動物品分類系統1的架構係主要包括：一傳送帶2、一光源提供裝置10、一影像擷取裝置11、一控制與處理裝置12、以及一物品分選裝置13。圖2顯示該光源提供裝置10、該影像擷取裝置11、該控制與處理裝置12、與該物品分選裝置13的功能方塊圖。由相關圖示可知，該光源提供裝置10係設於該傳送帶2之一側，用以提供一照明光以照射於該傳送帶2之上移動的複數個物品3。並且，該影像擷取裝置11亦係設於該傳送帶2之一側且同時鄰近該光源提供裝置10，用以在該照明光的照射之下對各所述物品3執行一影像擷取處理，進而產生複數組物品影像資料。
更詳細地說明，該光源提供裝置10包括一第一調整單元100與一發光單元101，其中該第一調整單元100包含一光源驅動器(未圖示)和一電子式高度/角度調整架，且該光源驅動器與該電子式高度/角度調整架皆受控於該控制與處理裝置12。另一方面，該影像擷取裝置11包括一第二調整單元110與一影像擷取單元(亦即，攝像機)111，其中該第二調整單元110主要為一電子式高度/角度調整架，且該第二調整單元110與該影像擷取單元111皆受控於該控制與處理裝置12。
本發明之技術特徵在於，在該控制與處理裝置12之中配置一主控制單元120、一第一參數選擇單元121、一第二參數選擇單元122、一參數儲存單元123、一影像資料儲存單元124、以及一分類器選擇單元125。熟悉人工智慧(Artificial intelligence)軟體或硬體裝置之設計與製作的工程師應該知道，該第一參數選擇單元121、該第二參數選擇單元122、與該分類器選擇單元125係能夠以函式庫、變數或運算元之形式而被編輯為至少一應用程式，並建立於該控制與處理裝置12之中。如圖2所示，該第一參數選擇單元121耦接該主控制單元120，用以依據該物品3之種類而提供至少一筆第一參數予該主控制單元120，使得該主控制單元120根據所述第一參數而控制該光源提供裝置10提供所述照明光。特別說明的是，基於該控制與處理裝置12之控制，該第一調整單元100以其光源驅動器調整該發光單元101之照明光的光色和強度；並且，在有需要的時候，該第一調整單元100亦以其電子式高度/角度調整架調整該發光單元101的一光照高度和一光照角度。易於理解的，所述第一參數包括但不限於：光照高度、光照角度、光色、以及光強度。
另一方面，該第二參數選擇單元122耦接該主控制單元120，用以依據該物品3之種類而提供至少一筆第二參數予該主控制單元120，使得該主控制單元120根據所述第二參數而控制該影像擷取裝置11，藉以令該影像擷取裝置11基於所述第二參數完成該影像擷取處理。值得注意的是，在該控制與處理裝置12的控制之下，該第二調整單元110可以直接對該影像擷取單元(亦即，攝像機)111執行基礎參數設定，包括但不限於：一取像焦距、一景深、一視野角度、以及一光圈大小。並且，在有需要的時候，該第二調整單元110以其電子式高度/角度調整架對調整該影像擷取單元111的一取像高度和一取像角度進行適當調整。由上述說明可知，所述第二參數包括但不限於：取像焦距、景深、視野角度、光圈大小、取像高度、以及取像角度。
依據本發明之設計，該參數儲存單元123耦接該主控制單元120用以儲存該第一參數與該第二參數，且該影像資料儲存單元124耦接該主控制單元120用以儲存該複數組物品影像資料。如圖2所示，該分類器選擇單元125耦接該參數儲存單元123與該影像資料儲存單元124。特別地，本發明設計所謂分類器選擇單元125，使其依據儲存於該參數儲存單元123之中的該第一參數與該第二參數以及儲存於該影像資料儲存單元124而選擇一影像分類器，進而使用該影像分類器對該複數組物品影像資料進行一影像分類處理。必須加以強調的是，根據該傳送帶2所傳送的物品3之種類，該分類器選擇單元125最終選出的影像分類器可能會有所不同，因此本發明並不限制所述影像分類器的類型，但於此仍舊列舉出常用的影像分類器，包括：類神經網路分類法(Neural Networks Classification)、貝氏分類法(Bayesian Classifier)、基於迭代自組織數據分析算法(Iterative Self-Organizing Data Analysis Technique Algorithm, ISODATA)之光譜分類處理、基於K-平均演算法(K-Means Clustering Algorithm)之光譜分類處理、以幾高斯最大概似分類法(Gaussian Maximum Likelihood Classification)。
如圖1與圖2所示，該物品分選裝置13係連接該控制與處理裝置12，且其包括一控制單元130與一物品分選單元131。其中，該控制單元130連接該控制與處理裝置12，用以依據完成所述影像分類處理的該複數組物品影像資料而控制該控制單元130對該傳送帶2之上移動的各所述物品3執行一物品分選處理，進而將該複數個物品3至少分成複數個正常物品3a以及複數個非正常物品3b。舉例而言，圖1顯示所述物品分選裝置13為一機械手臂。應可理解的，在控制單元130的控制之下，該機械手臂可以從複數個物品3之中挑出正常物品3a以及非正常物品3b。最終，由該物品分選裝置13所分選而出的該複數個正常物品3a會送入設置於該傳送帶2之終端側的一正常品收集裝置15之中。相反地，由該物品分選裝置13所分選而出的該複數個非正常物品3b會送入設置於該傳送帶2之終端側的一非正常品收集裝置16之中。
圖3顯示本發明之基於自我學習技術之移動物品分類系統的第二立體圖。於此，必須補充說明的是，雖然圖1顯示該物品分選裝置13為一機械手臂，然而並非以此限制所述物品分選裝置13的可實施態樣。如圖3所示，在可行的實施例中，該物品分選裝置13亦可為下列任一者光投射單元或投影單元。如此，在執行所述物品分選處理的過程中，光投射單元便可以投射光照射在非正常物品3b之上，令線上的作業人員可以手動將該非正常物品3b撿出並放入該非正常品收集裝置16。若該物品分選裝置13為投影單元之時，則投影單元可以投影一標籤訊息或一警示訊息於非正常物品3b之上，令線上的作業人員可以手動將該非正常物品3b撿出並放入該非正常品收集裝置16。
如此，上述係已完整說明本發明之一種基於自我學習技術之移動物品分類系統，接著，下文中將繼續說明本發明之一種基於自我學習技術之移動物品分類方法。圖4A與圖4B顯示本發明之一種基於自我學習技術之移動物品分類方法的流程圖。本發明之基於自我學習技術之移動物品分類方法係應用於一物品分類系統(如圖1所示)之中，其中該基於自我學習技術之移動物品分類系統1包括一傳送帶2、一光源提供裝置10、一影像擷取裝置11、一控制與處理裝置12、以及一物品分選裝置13。本發明之基於自我學習技術之移動物品分類方法包括多個執行步驟。首先，於步驟S1之中，係於該控制與處理裝置12之中配置一主控制單元120、一第一參數選擇單元121、一第二參數選擇單元122、一參數儲存單元123、一影像資料儲存單元124、以及一分類器選擇單元125。
如圖4A與圖4B所示，方法流程係接著執行步驟S2：以該傳送帶2傳送複數個物品3。值得注意的是，在該複數個物品3於傳送帶2之上移動的過程中，方法流程會執行步驟S3：該第一參數選擇單元121依據該物品3之種類而提供至少一筆第一參數予該主控制單元120，使得該主控制單元120根據所述第一參數而控制該光源提供裝置10提供一照明光以照射於該傳送帶2之上移動的複數個物品3。其中，該照明光具有一特定光色和一特定強度。進一步地，於步驟S4之中，該第二參數選擇單元122依據該物品3之種類而提供至少一筆第二參數予該主控制單元120，使得該主控制單元120根據所述第二參數而控制該影像擷取裝置11，使得該影像擷取裝置11在該照明光的照射之下對各所述物品3執行一影像擷取處理，進而產生複數組物品影像資料。
完成該步驟S3與該步驟S4之後，方法流程接著執行步驟S5：該分類器選擇單元125依據儲存於該參數儲存單元123之中的該第一參數與該第二參數以及儲存於該影像資料儲存單元124而選擇一影像分類器，進而使用該影像分類器對該複數組物品影像資料進行一影像分類處理。必須知道的是，根據該傳送帶2所傳送的物品3之種類，該分類器選擇單元125最終選出的影像分類器可能會有所不同，因此本發明並不限制所述影像分類器的類型，但於此仍舊列舉出常用的影像分類器，包括：類神經網路分類法(Neural Networks Classification)、貝氏分類法(Bayesian Classifier)、基於迭代自組織數據分析算法(Iterative Self-Organizing Data Analysis Technique Algorithm, ISODATA)之光譜分類處理、基於K-平均演算法(K-Means Clustering Algorithm)之光譜分類處理、以幾高斯最大概似分類法(Gaussian Maximum Likelihood Classification)。
繼續地，於步驟S6之中，係判斷是否所述影像分類器能夠透過該影像分類處理而正常地將該複數個物品3至少分成複數個正常物品3a以及複數個非正常物品3b；若是，則表示該分類器選擇單元125所選出的影像分類器適於對該物品3進行良品與不良品之分類。相反地，若步驟S6的判斷結果為否，則表示該分類器選擇單元125所選出的影像分類器無法清楚地對該物品3進行良品與不良品之分類，是以必須再變更第一參數及/或第二參數，或者挑選其他影像分類器。本發明之技術特徵即於控制與處理裝置12之中規劃建立所述第一參數選擇單元121、所述第二參數選擇單元122、以及所述分類器選擇單元125。此三個單元能夠以第一參數、第二參數和複數組物品影像資料進行自我學習(Self-learning)及訓練(Self-training)，進而能夠自適性地(Adaptively)依據不同的物品3而選出適用於該光源提供裝置10的至少一筆第一參數、適用於該影像擷取裝置11的至少一筆第二參數、以及適用於辨識及分類物品3之良品與不良品的影像分類器。因此，在步驟S6的判斷結果為否之情況下，方法流程會重複執行步驟S3。
在步驟S6的判斷結果為是之情況下，方法流程會接著執行步驟S7：依據完成所述影像分類處理的該複數組物品影像資料，該物品分選裝置13對於該傳送帶2之上移動的各所述物品3執行一物品分選處理，進而將複數個正常物品3a以及複數個非正常物品3b分別送入一正常品收集裝置15與一非正常品收集裝置16之中。
如此，上述係已完整且清楚地說明本發明之一種基於自我學習技術之移動物品分類系統及方法；並且，經由上述可知本發明係具有下列之優點：
(1)本發明主要以一光源提供裝置10、一影像擷取裝置11、一控制與處理裝置12、以及一物品分選裝置13組成本發明之基於自我學習技術之移動物品分類系統1。特別地，本發明於該控制與處理裝置12之中建立一第一參數選擇單元121、一第二參數選擇單元122、以及一分類器選擇單元125。此三個單元能夠以至少一筆第一參數、至少一筆第二參數和複數組物品影像資料進行自我學習(Self-learning)及訓練(Self-training)，進而能夠自適性地(Adaptively)依據傳送帶2之上所傳送之物品3的種類而決定適用於該光源提供裝置10的至少一筆第一參數、適用於該影像擷取裝置11的至少一筆第二參數、以及適用於辨識及分類所述物品3之良品與不良品的影像分類器。由上述說明可知，本發明之基於自我學習技術之移動物品分類系統1可以被用於對任何的農產品、機械零件、電子零件、半成品、或成品執行自動檢測及分類，具一機多用之特別功能。
必須加以強調的是，上述之詳細說明係針對本發明可行實施例之具體說明，惟該實施例並非用以限制本發明之專利範圍，凡未脫離本發明技藝精神所為之等效實施或變更，均應包含於本案之專利範圍中。
>本發明> 1:基於自我學習技術之移動物品分類系統 2:傳送帶 3:物品 10:光源提供裝置 100:第一調整單元 101:發光單元 11:影像擷取裝置 110:第二調整單元 111:影像擷取單元 12:控制與處理裝置 120:主控制單元 121:第一參數選擇單元 122:第二參數選擇單元 123:參數儲存單元 124:影像資料儲存單元 125:分類器選擇單元 13:物品分選裝置 130:控制單元 131:物品分選單元 15:正常品收集裝置 16:非正常品收集裝置 3a:正常物品 3b:非正常物品 S1-S7:方法步驟
>習知> 無
圖1顯示本發明之一種基於自我學習技術之移動物品分類系統的第一立體圖； 圖2顯示光源提供裝置、影像擷取裝置、控制與處理裝置、與物品分選裝置的功能方塊圖； 圖3顯示本發明之基於自我學習技術之移動物品分類系統的第二立體圖；以及 圖4A與圖4B顯示本發明之一種基於自我學習技術之移動物品分類方法的流程圖。
1:基於自我學習技術之移動物品分類系
2:傳送帶
3:物品
10:光源提供裝置
100:第一調整單元
101:發光單元
11:影像擷取裝置
110:第二調整單元
111:影像擷取單元
12:控制與處理裝置
13:物品分選裝置
15:正常品收集裝置
16:非正常品收集裝置
3a:正常物品
3b:非正常物品

Claims (11)

  1. 一種基於自我學習技術之移動物品分類系統，包括： 一光源提供裝置，設於鄰近一傳送帶，用以提供一照明光以照射於該傳送帶之上移動的複數個物品； 一影像擷取裝置，設於鄰近該傳送帶且同時鄰近該光源提供裝置，用以在該照明光的照射之下對各所述物品執行一影像擷取處理，進而產生複數組物品影像資料； 一控制與處理裝置，連接至該光源提供裝置與該影像擷取裝置，且包括： 一主控制單元； 一第一參數選擇單元，耦接該主控制單元，用以依據該物品之種類而提供至少一筆第一參數予該主控制單元，使得該主控制單元根據所述第一參數而控制該光源提供裝置提供所述照明光，使該照明光具有一特定光色和一特定強度； 一第二參數選擇單元，耦接該主控制單元，用以依據該物品之種類而提供至少一筆第二參數予該主控制單元，使得該主控制單元根據所述第二參數而控制該影像擷取裝置，藉以令該影像擷取裝置基於所述第二參數完成該影像擷取處理； 一參數儲存單元，耦接該主控制單元，用以儲存該第一參數與該第二參數； 一影像資料儲存單元，耦接該主控制單元，用以儲存該複數組物品影像資料；及 一分類器選擇單元，耦接該參數儲存單元與該影像資料儲存單元，用以依據該第一參數、該第二參數、與該複數組物品影像資料而選擇一影像分類器，進而使用該影像分類器對該複數組物品影像資料進行一影像分類處理；以及 一物品分選裝置，係連接該控制與處理裝置； 其中，依據完成所述影像分類處理的該複數組物品影像資料，該物品分選裝置對該傳送帶之上移動的各所述物品執行一物品分選處理，以將複數個物品至少分成複數個正常物品以及複數個非正常物品。
  2. 申請專利範圍第1項所述之基於自我學習技術之移動物品分類系統，更包括： 一正常品收集裝置，設置於該傳送帶之一終端側，用以接收由該物品分選裝置所分選而出的該複數個正常物品；以及 一非正常品收集裝置，設置於該傳送帶之該終端側，用以接收由該物品分選裝置所分選而出的該複數個非正常物品。
  3. 申請專利範圍第1項所述之基於自我學習技術之移動物品分類系統，其中，該光源提供裝置包括： 一第一調整單元，連接該控制與處理裝置；以及 一發光單元，連接該第一調整單元與該控制與處理裝置； 其中，基於該控制與處理裝置之控制，該第一調整單元用以調整該發光單元之該照明光的該特定光色和該特定強度，且該第一調整單元亦用以調整該發光單元的一光照高度和一光照角度。
  4. 申請專利範圍第1項所述之基於自我學習技術之移動物品分類系統，其中，該影像擷取裝置包括： 一第二調整單元，連接該控制與處理裝置；以及 一影像擷取單元，連接該第二調整單元與該控制與處理裝置； 其中，基於該控制與處理裝置之控制，該第二調整單元用以調整該影像擷取單元之一取像焦距、一景深、一視野角度、以及一光圈大小，且該第二調整單元亦用以調整該影像擷取單元的一取像高度和一取像角度。
  5. 申請專利範圍第1項所述之基於自我學習技術之移動物品分類系統，其中，該物品分選裝置包括： 一控制單元，連接該控制與處理裝置；以及 一物品分選單元1，連接該控制單元，用以基於該控制單元之控制而對於該傳送帶之上移動的各所述物品執行所述物品分選處理。
  6. 申請專利範圍第5項所述之基於自我學習技術之移動物品分類系統，其中，該物品分選單元可為下列任一者：光投射單元、投影單元、或機械手臂。
  7. 申請專利範圍第1項所述之基於自我學習技術之移動物品分類系統，其中，該第一參數選擇單元、該第二參數選擇單元、與該分類器選擇單元係以函式庫、變數或運算元之形式而被編輯為至少一應用程式，並建立於該控制與處理裝置之中。
  8. 一種基於自我學習技術之移動物品分類方法，係應用於一物品分類系統之中，其中該物品分類系統包括一傳送帶、一光源提供裝置、一影像擷取裝置、一控制與處理裝置、以及一物品分選裝置，且該方法包括以下步驟： (1)於該控制與處理裝置之中配置一主控制單元、一第一參數選擇單元、一第二參數選擇單元、一參數儲存單元、一影像資料儲存單元、以及一分類器選擇單元； (2)以該傳送帶傳送複數個物品； (3)該第一參數選擇單元依據該物品之種類而提供至少一筆第一參數予該主控制單元，使得該主控制單元根據所述第一參數而控制該光源提供裝置提供一照明光以照射於該傳送帶之上移動的複數個物品；其中，該照明光具有一特定光色和一特定強度； (4)該第二參數選擇單元依據該物品之種類而提供至少一筆第二參數予該主控制單元，使得該主控制單元根據所述第二參數而控制該影像擷取裝置，藉以令該影像擷取裝置在該照明光的照射之下對各所述物品執行一影像擷取處理，進而產生複數組物品影像資料； (5)該分類器選擇單元依據儲存於該參數儲存單元之中的該第一參數與該第二參數以及儲存於該影像資料儲存單元而選擇一影像分類器，進而使用該影像分類器對該複數組物品影像資料進行一影像分類處理； (6)判斷是否所述影像分類器能夠透過該影像分類處理而正常地將該複數個物品至少分成複數個正常物品以及複數個非正常物品，若是，則執行步驟(7)；若否，則重複執行步驟(3)；以及 (7)依據完成所述影像分類處理的該複數組物品影像資料，該物品分選裝置對於該傳送帶之上移動的各所述物品執行一物品分選處理，進而將複數個正常物品以及複數個非正常物品分別送入一正常品收集裝置與一非正常品收集裝置之中。
  9. 申請專利範圍第8項所述之基於自我學習技術之移動物品分類方法，其中，該第一參數選擇單元、該第二參數選擇單元、與該分類器選擇單元係以函式庫、變數或運算元之形式而被編輯為至少一應用程式，並建立於該控制與處理裝置之中。
  10. 申請專利範圍第8項所述之基於自我學習技術之移動物品分類方法，其中，該光源提供裝置包括： 一第一調整單元，連接該控制與處理裝置；以及 一發光單元，連接該第一調整單元與該控制與處理裝置； 其中，於該步驟(3)之中，該第一調整單元係基於該控制與處理裝置之控制而調整該發光單元之該照明光的該特定光色和該特定強度，且該第一調整單元亦調整該發光單元的一光照高度和一光照角度。
  11. 申請專利範圍第8項所述之基於自我學習技術之移動物品分類方法，其中，該影像擷取裝置包括： 一第二調整單元，連接該控制與處理裝置；以及 一影像擷取單元，連接該第二調整單元與該控制與處理裝置； 其中，於該步驟(4)之中，該第二調整單元係基於該控制與處理裝置之控制而調整該影像擷取單元之一取像焦距、一景深、一視野角度、以及一光圈大小，且該第二調整單元亦調整該影像擷取單元的一取像高度和一取像角度。
TW108126173A 2019-07-24 2019-07-24 基於自我學習技術之移動物品分類系統及方法 TWI700129B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
TW108126173A TWI700129B (zh) 2019-07-24 2019-07-24 基於自我學習技術之移動物品分類系統及方法
JP2020125297A JP7033804B2 (ja) 2019-07-24 2020-07-22 自己学習技術に基づく移動物品分類システム
US16/937,562 US11203494B2 (en) 2019-07-24 2020-07-23 System and method for sorting moving objects
CN202010725133.0A CN112287748B (zh) 2019-07-24 2020-07-24 基于自我学习技术的移动物品分类系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108126173A TWI700129B (zh) 2019-07-24 2019-07-24 基於自我學習技術之移動物品分類系統及方法

Publications (2)

Publication Number Publication Date
TWI700129B TWI700129B (zh) 2020-08-01
TW202103810A true TW202103810A (zh) 2021-02-01

Family

ID=73003353

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108126173A TWI700129B (zh) 2019-07-24 2019-07-24 基於自我學習技術之移動物品分類系統及方法

Country Status (4)

Country Link
US (1) US11203494B2 (zh)
JP (1) JP7033804B2 (zh)
CN (1) CN112287748B (zh)
TW (1) TWI700129B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI811001B (zh) * 2022-06-30 2023-08-01 國立虎尾科技大學 菇類太空包塞蓋缺陷檢出之菇籃不間斷輸送系統

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11922368B1 (en) * 2020-12-11 2024-03-05 Amazon Technologies, Inc. Object classification exception handling via machine learning
KR102551306B1 (ko) * 2021-12-02 2023-07-05 (주)리눅스아이티 영상 기반의 과일 선별 장치
US20230191608A1 (en) * 2021-12-22 2023-06-22 AMP Robotics Corporation Using machine learning to recognize variant objects

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4882498A (en) * 1987-10-09 1989-11-21 Pressco, Inc. Pulsed-array video inspection lighting system
JP2855851B2 (ja) * 1990-11-30 1999-02-10 日産自動車株式会社 表面欠陥検査装置
US5412220A (en) * 1993-03-05 1995-05-02 United Industrial Products, Ltd. Optical scanning device for lumber
WO1994028397A1 (en) * 1993-05-28 1994-12-08 Axiom Bildverarbeitungssysteme Gmbh An automatic inspection apparatus
JP3653588B2 (ja) * 2000-07-26 2005-05-25 松下電工株式会社 建材外観色調検査方法およびその装置
KR101415628B1 (ko) * 2007-04-20 2014-07-04 가부시키가이샤 메이난 세이사꾸쇼 목재의 검사 방법, 장치 및 프로그램
JP2008287506A (ja) * 2007-05-17 2008-11-27 Hitachi Plant Technologies Ltd 画像処理装置および画像処理方法
DE102008046325A1 (de) * 2008-08-29 2010-03-11 SSI Schäfer PEEM GmbH Verfahren und Vorrichtung zum mannlosen, vollautomatisierten Kommissionieren von Artikeln in Auftragsladehilfsmittel
US8930015B2 (en) * 2012-11-20 2015-01-06 Bratney Companies Sorting system for damaged product
US9035210B1 (en) * 2010-08-17 2015-05-19 Bratney Companies Optical robotic sorting method and apparatus
DE102010052338A1 (de) * 2010-11-25 2012-05-31 Steinert Elektromagnetbau Gmbh Verfahren und Einrichtung zur Einzelkornsortierung von Schüttgütern beliebiger Art
JP5683996B2 (ja) * 2011-02-24 2015-03-11 ニッカウヰスキー株式会社 瓶の欠陥検査装置、及び、瓶の欠陥検査方法
JP6616645B2 (ja) * 2014-11-28 2019-12-04 キヤノン株式会社 分類方法、検査方法、検査装置、およびプログラム
JP6834842B2 (ja) * 2017-08-10 2021-02-24 オムロン株式会社 設定支援装置、画像処理システムおよび設定支援プログラム
US11049236B2 (en) * 2017-11-17 2021-06-29 Kodak Alaris Inc. Automated in-line object inspection
CN109829496B (zh) * 2019-01-30 2021-05-25 广州市载道信息科技有限公司 一种物理测量分类方法及设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI811001B (zh) * 2022-06-30 2023-08-01 國立虎尾科技大學 菇類太空包塞蓋缺陷檢出之菇籃不間斷輸送系統

Also Published As

Publication number Publication date
CN112287748A (zh) 2021-01-29
CN112287748B (zh) 2023-09-15
US20210024297A1 (en) 2021-01-28
TWI700129B (zh) 2020-08-01
JP2021021729A (ja) 2021-02-18
US11203494B2 (en) 2021-12-21
JP7033804B2 (ja) 2022-03-11

Similar Documents

Publication Publication Date Title
TWI700129B (zh) 基於自我學習技術之移動物品分類系統及方法
US20210073975A1 (en) Method for enhancing optical feature of workpiece, method for enhancing optical feature of workpiece through deep learning, and non transitory computer readable recording medium
AU2013347861B2 (en) Scoring and controlling quality of food products
US8794447B2 (en) Sorting device and method for separating products in a random stream of bulk inhomogeneous products
KR101703542B1 (ko) 멍게의 특징 측정과 hsv 색상 모델을 이용한 멍게 자동 선별방법
US20230252617A1 (en) Systems and methods for automatically grading pre-owned electronic devices
KR20200084940A (ko) Cnn 기반 병해 및 손상 과일 분류 장치 및 방법
JP7191566B2 (ja) 商品検査装置
CN113077450A (zh) 基于深度卷积神经网络的樱桃分级检测方法及系统
JP2022008924A (ja) 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム
JP7248317B2 (ja) 豆腐類製造システム
JP2007313467A (ja) 粒状物選別機
Sidehabi et al. The Development of Machine Vision System for Sorting Passion Fruit using Multi-Class Support Vector Machine.
JP2016161381A (ja) 選別装置
JP6731134B2 (ja) 芋判断装置及び芋選別装置
CN209550027U (zh) 基于计算机视觉的一次性纸尿裤智能分拣系统
JP4171806B2 (ja) 果実そ菜類の等級判別方法。
JP7248316B2 (ja) 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム
WO2021221177A1 (ja) 豆腐類製造システム
TWI655412B (zh) 發光源檢測系統與方法
KR20210114216A (ko) 수삼 선별기
Drogalis et al. Food Quality Inspection and Sorting Using Machine Vision, Machine Learning and Robotics
TW202334014A (zh) 倉儲自動化分揀系統
KR20230062754A (ko) 인공지능 기반 인삼 자동 분류 방법
WO2023233265A1 (en) Method and system for performing quality control of objects in an apparatus which produces the objects in continuous cycle