[發(fā)明專利]PCB缺陷檢測(cè)模型的評(píng)估方法、評(píng)估裝置及訓(xùn)練方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202210703079.9
• 申請(qǐng)日: 2022-06-21
• 公開（公告）號(hào): CN114842273B
• 公開（公告）日: 2022-10-14
• 發(fā)明（設(shè)計(jì)）人: 諾尼·弗依斯沃瑟;凡·柯布蘭;阿米爾·卓里;胡冰峰
• 申請(qǐng)（專利權(quán)）人: 蘇州康代智能科技股份有限公司
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06T7/00
• 代理公司: 蘇州創(chuàng)元專利商標(biāo)事務(wù)所有限公司 32103
• 代理人: 吳芳

1.一種PCB缺陷檢測(cè)模型的評(píng)估方法，用于評(píng)估被預(yù)先訓(xùn)練的缺陷檢測(cè)模型對(duì)PCB圖像的缺陷預(yù)測(cè)能力，所述缺陷檢測(cè)模型對(duì)PCB圖像的缺陷預(yù)測(cè)結(jié)果包括缺陷類型及相應(yīng)的概率值，其特征在于，評(píng)估方法包括：

預(yù)先建立測(cè)試圖像集，其包括多個(gè)測(cè)試圖像，每個(gè)測(cè)試圖像具有缺陷類別標(biāo)簽；

將所述測(cè)試圖像集中的多個(gè)測(cè)試圖像輸入待評(píng)估的缺陷檢測(cè)模型，得到與所述測(cè)試圖像一一對(duì)應(yīng)的缺陷預(yù)測(cè)結(jié)果；

按照得到的缺陷預(yù)測(cè)結(jié)果中的缺陷類型，對(duì)缺陷預(yù)測(cè)結(jié)果進(jìn)行分類；

按照分類結(jié)果，輸出并顯示被預(yù)測(cè)為同一缺陷類型的測(cè)試圖像，且各個(gè)測(cè)試圖像的缺陷類別標(biāo)簽及對(duì)應(yīng)的缺陷預(yù)測(cè)結(jié)果中的概率值被配置為可查看；

根據(jù)測(cè)試圖像的缺陷類別標(biāo)簽及分類結(jié)果，以評(píng)估所述缺陷檢測(cè)模型識(shí)別各種缺陷類型的能力，并比較同一分類下的測(cè)試圖像對(duì)應(yīng)的概率值，以評(píng)估所述缺陷檢測(cè)模型識(shí)別該類缺陷的收斂度。

2.根據(jù)權(quán)利要求1所述的PCB缺陷檢測(cè)模型的評(píng)估方法，其特征在于，根據(jù)測(cè)試圖像的缺陷類別標(biāo)簽及分類結(jié)果，計(jì)算分類正確率，若所述分類正確率低于預(yù)設(shè)的正確率閾值，則所述缺陷檢測(cè)模型識(shí)別該類缺陷的能力不合格；或者，

若同一分類下的測(cè)試圖像對(duì)應(yīng)的概率值的最大值與最小值的差值大于預(yù)設(shè)的差異閾值，或者，若同一分類下的測(cè)試圖像對(duì)應(yīng)的概率值的方差大于預(yù)設(shè)的方差閾值，則所述缺陷檢測(cè)模型識(shí)別該類缺陷的收斂度不合格。

3.根據(jù)權(quán)利要求1所述的PCB缺陷檢測(cè)模型的評(píng)估方法，其特征在于，還包括：若評(píng)估結(jié)果不合格，則對(duì)所述缺陷檢測(cè)模型 進(jìn)行再訓(xùn)練，且所述缺陷檢測(cè)模型將學(xué)習(xí)注意力集中在識(shí)別能力或收斂度不合格的該類缺陷上。

4.根據(jù)權(quán)利要求1所述的PCB缺陷檢測(cè)模型的評(píng)估方法，其特征在于，在所述缺陷檢測(cè)模型識(shí)別該類缺陷的收斂度合格的情況下，根據(jù)該分類下的測(cè)試圖像對(duì)應(yīng)的概率值以及預(yù)設(shè)的規(guī)則，確定用于界定真實(shí)缺陷和誤報(bào)缺陷的分界分值。

5.根據(jù)權(quán)利要求4所述的PCB缺陷檢測(cè)模型的評(píng)估方法，其特征在于，所述用于界定真實(shí)缺陷和誤報(bào)缺陷的分界分值通過以下方式確定：

查找該分類下的測(cè)試圖像對(duì)應(yīng)的概率值的最小值，以該最小值與預(yù)設(shè)的差異閾值作運(yùn)算，得到所述分界分值；或者，

計(jì)算該分類下的測(cè)試圖像對(duì)應(yīng)的概率值的平均值，以該平均值與預(yù)設(shè)的差異閾值作運(yùn)算，得到所述分界分值；或者，

對(duì)該分類下的測(cè)試圖像對(duì)應(yīng)的概率值的平均值進(jìn)行排序，排除前若干個(gè)概率值和后若干個(gè)概率值，計(jì)算剩余的概率值的平均值，以該剩余的概率值的平均值與預(yù)設(shè)的差異閾值作運(yùn)算，得到所述分界分值；

其中，所述預(yù)設(shè)的差異閾值為正數(shù)、負(fù)數(shù)或零。

6.根據(jù)權(quán)利要求1所述的PCB缺陷檢測(cè)模型的評(píng)估方法，其特征在于，所述各個(gè)測(cè)試圖像的缺陷類別標(biāo)簽及對(duì)應(yīng)的缺陷預(yù)測(cè)結(jié)果中的概率值被配置為可查看的方式為：

所述缺陷預(yù)測(cè)結(jié)果中的概率值被顯示在對(duì)應(yīng)的測(cè)試圖像上的局部區(qū)域；

所述測(cè)試圖像的缺陷類別標(biāo)簽被配置為顯示在受觸發(fā)而出現(xiàn)的彈窗內(nèi)，所述彈窗的觸發(fā)操作包括單擊對(duì)應(yīng)的測(cè)試圖像、多擊對(duì)應(yīng)的測(cè)試圖像、右鍵點(diǎn)擊對(duì)應(yīng)的測(cè)試圖像、光標(biāo)停留在對(duì)應(yīng)的測(cè)試圖像上中的一種或多種。

7.一種PCB缺陷檢測(cè)模型的評(píng)估裝置，其特征在于，包括以下模塊：

測(cè)試樣本模塊，其被配置為建立測(cè)試圖像集，其包括多個(gè)測(cè)試圖像，每個(gè)測(cè)試圖像具有缺陷類別標(biāo)簽；

預(yù)測(cè)模塊，其被配置為將所述測(cè)試圖像集中的多個(gè)測(cè)試圖像輸入待評(píng)估的缺陷檢測(cè)模型，得到與所述測(cè)試圖像一一對(duì)應(yīng)的缺陷預(yù)測(cè)結(jié)果；

分類模塊，其被配置為按照所述預(yù)測(cè)模塊的缺陷預(yù)測(cè)結(jié)果中的缺陷類型，對(duì)缺陷預(yù)測(cè)結(jié)果進(jìn)行分類；

顯示模塊，其被配置為按照所述分類模塊的分類結(jié)果，輸出并顯示被預(yù)測(cè)為同一缺陷類型的測(cè)試圖像，且能夠顯示各個(gè)測(cè)試圖像的缺陷類別標(biāo)簽及對(duì)應(yīng)的缺陷預(yù)測(cè)結(jié)果中的概率值；

識(shí)別能力評(píng)估模塊，其被配置為根據(jù)測(cè)試圖像的缺陷類別標(biāo)簽及分類結(jié)果，以評(píng)估所述缺陷檢測(cè)模型識(shí)別各種缺陷類型的能力；

收斂度評(píng)估模塊，其被配置為比較同一分類下的測(cè)試圖像對(duì)應(yīng)的概率值，以評(píng)估所述缺陷檢測(cè)模型識(shí)別該類缺陷的收斂度。