Abstract
工業4.0 的時代，大量工件的自動生產已經成為趨勢；生產的同時，為了生產線的品質維持，需要一套可以檢測工件的自動化系統。如今，在檢測工件領域，多數選用自動化影像辨識，而深度學習在其中發揮很大的功用：透過光學系統與電腦中深度學習的程式進行連動，除了自動檢測外，也提升生產線效率。然而，目前主流的自動檢測仍存在幾點限制：檢測用影像常須對整張影像處理，並且限定影像類屬單一類別，無法針對局部處理與偵測，所使用演算法也常需人為調整參數。本研究針對上述問題，提出建立在自動光學檢測基礎上的多重區域性檢測技術，並且實踐自動調整演算法參數的能力，以及建立後續的區域瑕疵檢測，以實現更為有彈性的智慧化檢測。本研究使用技術包括機器學習中的分群法、深度學習以及深度強化學習，同時也使用影像處理的相關技術。 本研究對象為工業用的標籤紙張。透過影像處理與多項機器學習演算法的操作，可以實現影像的自動化區域分割、二維空間區域辨識資訊，以及區域影像內瑕疵驗證的能力。針對印刷的標籤進行光學檢測，驗證標籤上印刷的字元與特定的非字元圖章是否有印刷缺陷。本研究測試5 種不同的模板，分別印製100 張標籤影像，在標記瑕疵處後進行演算法驗證，最後結果在以標籤張數為單位的檢測率99 % 、並且有1 % 的過殺率。未來預期透過調整演算法，進一步發展區域辨識研究，並且更有利工業上發展。