使用深度学习来检查片材物品的制作方法

技术特征：
1.一种用于确定由制造设施生产的多个片材部件中的每个片材部件的质量类别的系统，所述系统包括：检查装置，所述检查装置包括至少一个图像捕获装置，所述至少一个图像捕获装置被配置为捕获表示所述多个片材部件中的片材部件的图像数据；以及处理单元，所述处理单元具有一个或多个处理器，所述一个或多个处理器执行指令，所述指令使所述处理单元：将表示所述片材部件的所述图像数据提供给第一组多个神经网络，所述神经网络中的每个神经网络被训练成识别所述片材部件中的对应缺陷并输出指示所述对应缺陷的存在的数据，基于由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据，确定指示所述片材部件的质量类别的数据，以及输出指示所述片材部件的所述质量类别的所述数据。2.根据权利要求1所述的系统，其中所述处理单元被配置为评估一组一个或多个规则，所述一组一个或多个规则使用由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据来确定所述片材部件的所述质量类别。3.根据权利要求1所述的系统，其中所述处理单元被配置为将由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据提供给第二神经网络，以确定所述片材部件的所述质量类别。4.根据权利要求1所述的系统，还包括分拣器，所述分拣器被配置为：接收指示所述片材部件的所述质量类别的所述数据；以及基于指示所述片材部件的所述质量类别的所述数据来分拣所述片材部件。5.根据权利要求4所述的系统，其中指示所述片材部件的所述质量类别的所述数据包括合格类别、有缺陷的类别或返工类别。6.根据权利要求1所述的系统，还包括离群值检测神经网络，其中响应于基于离群值检测神经网络的输出确定表示所述片材部件的所述图像数据指示离群值缺陷，指示所述片材部件的所述质量类别的所述数据被设置为返工类别。7.根据权利要求1所述的系统，其中所述多个神经网络中的神经网络输出一个或多个图像部分，每个图像部分包含表示潜在缺陷的图像数据，并且其中分类器被训练成基于表示所述潜在缺陷的所述图像数据的所述一个或多个部分识别所述片材部件中的对应缺陷。8.根据权利要求1所述的系统，还包括机器学习模型，所述机器学习模型被训练成基于与所述片材部件的制造相关联的元数据来确定缺陷的概率，其中所述处理单元还被配置为基于所述元数据的所述缺陷的所述概率来确定所述质量类别。9.根据权利要求8所述的系统，其中所述元数据包括与所述片材部件的制造相关联的源数据、时间数据、温度数据、位置数据、过程设置数据和传感器测量数据中的一者或多者。10.根据权利要求1所述的系统，还包括推断引擎，所述推断引擎被配置为接收由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据和一个或多个过程变量，并且被配置为基于由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据和所述过程变量来确定所述对应缺陷的根本原因。11.根据权利要求1所述的系统，其中所述处理单元还被配置为基于所述对应缺陷的所
述根本原因输出反馈操作。12.根据权利要求1所述的系统，其中所述神经网络包括卷积神经网络。13.根据权利要求1所述的系统，其中所述神经网络中的至少一个神经网络被训练成检测颗粒、磨损、划痕、凹痕、气泡、条纹或压痕中的一者。14.根据权利要求1所述的系统，其中所述片材部件包括光学膜。15.一种用于确定由制造设施生产的幅材材料的质量类别的检查装置，所述检查装置包括：至少一个图像捕获装置，所述至少一个图像捕获装置被配置为捕获表示所述幅材材料的图像数据；位置控制器，所述位置控制器被配置为获得沿所述幅材材料的位置数据；以及处理单元，所述处理单元被配置为：将表示所述幅材材料的所述图像数据提供给多个神经网络中的每个神经网络，所述神经网络中的每个神经网络被训练成识别所述片材部件中的对应缺陷并输出指示所述对应缺陷的存在的数据，以及输出指示所述对应缺陷的存在的所述数据和与指示所述对应缺陷的存在的所述数据相关联的位置数据。16.一种方法，所述方法包括：从至少一个图像捕获装置接收表示通过检查装置的多个片材部件中的片材部件的图像数据；将表示所述片材部件的所述图像数据提供给多个神经网络，所述神经网络中的每个神经网络被训练成基于表示所述片材部件的所述图像数据识别所述片材部件中的对应缺陷，并输出指示所述对应缺陷的存在的数据，基于由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据，确定指示针对所述片材部件的质量类别的数据，以及输出指示所述片材部件的所述质量类别的所述数据。17.根据权利要求16所述的方法，其中确定指示所述片材部件的所述质量类别的所述数据包括评估一组一个或多个规则，所述一组一个或多个规则使用由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据。18.根据权利要求16所述的方法，其中确定指示所述片材部件的所述质量类别的所述数据包括向第二神经网络提供指示由每个对应神经网络输出的所述对应缺陷的存在的所述数据。19.一种计算机可读介质，所述计算机可读介质上具存储有指令，所述指令能够由一个或多个处理器执行，以使一个或多个处理器：从至少一个图像捕获装置接收表示通过检查装置的多个片材部件中的片材部件的图像数据；将表示所述片材部件的所述图像数据提供给多个神经网络，所述神经网络中的每个神经网络被训练成基于表示所述片材部件的所述图像数据识别所述片材部件中的对应缺陷，并输出指示所述对应缺陷的存在的数据，基于由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据，确定指示针对
所述片材部件的质量类别的数据，以及输出指示所述片材部件的所述质量类别的所述数据。20.根据权利要求19所述的计算机可读介质，其中用于确定指示所述片材部件的所述质量类别的所述数据的所述指令包括用于评估一组一个或多个规则的指令，所述一组一个或多个规则使用由每个对应神经网络输出的指示所述对应缺陷的存在的所述数据。

技术总结
一种检查系统包括具有至少一个图像捕获装置的检查装置。该图像捕获装置捕获通过该检查装置的片材部件的图像数据。该检查装置的处理单元向多个神经网络提供表示该片材部件的该图像数据，其中这些神经网络中的每个神经网络被训练成识别该片材部件中的对应缺陷，并输出指示该对应缺陷的存在的数据。该处理单元基于由每个对应神经网络输出的指示该对应缺陷的存在的该数据来确定该片材部件的质量类别。该处理单元还可将该片材部件的该质量类别输出到分拣器，该分拣器可基于该质量类别对该片材部件进行分拣。材部件进行分拣。材部件进行分拣。


技术研发人员：史蒂文
受保护的技术使用者：3M创新有限公司
技术研发日：2021.06.01
技术公布日：2023/1/31