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

有效

• 申請?zhí)枺?/td>: 202210703079.9
• 申請日: 2022-06-21
• 公開（公告）號: 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（專利權(quán)）人: 蘇州康代智能科技股份有限公司
• 主分類號: G06V10/764
• 分類號: 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

本發(fā)明公開了一種PCB缺陷檢測模型的評估方法、評估裝置及訓(xùn)練方法，評估方法包括：預(yù)先建立測試圖像集，其包括多個(gè)具有缺陷類別標(biāo)簽的測試圖像；將多個(gè)測試圖像輸入待評估的缺陷檢測模型，得到與測試圖像一一對應(yīng)的缺陷預(yù)測結(jié)果，其包括缺陷類型及相應(yīng)的概率值；按照得到的缺陷預(yù)測結(jié)果中的缺陷類型，對缺陷預(yù)測結(jié)果進(jìn)行分類；按照分類結(jié)果，輸出并顯示被預(yù)測為同一缺陷類型的測試圖像，且各個(gè)測試圖像的缺陷類別標(biāo)簽及對應(yīng)的缺陷預(yù)測結(jié)果中的概率值被配置為可查看；根據(jù)測試圖像的缺陷類別標(biāo)簽及分類結(jié)果，以評估缺陷檢測模型識別各種缺陷類型的能力，并比較同一分類下的測試圖像對應(yīng)的概率值，以評估缺陷檢測模型識別該類缺陷的收斂度。

技術(shù)領(lǐng)域

本發(fā)明涉及模型質(zhì)量評估領(lǐng)域，尤其涉及一種PCB缺陷檢測模型的評估方法、評估裝置及訓(xùn)練方法。

背景技術(shù)

在典型的 AI 訓(xùn)練過程中，缺陷圖像被輸入 AI 模型進(jìn)行識別和分類，被識別的圖像被分配一個(gè)分?jǐn)?shù)，該分?jǐn)?shù)表明它們是缺陷或非缺陷（誤報(bào)缺陷）的可能性，如果這個(gè)分?jǐn)?shù)高于預(yù)設(shè)的AI閾值，則認(rèn)為該圖像具有真實(shí)缺陷，若該分?jǐn)?shù)低于AI閾值，則認(rèn)為該圖像具有誤報(bào)缺陷。

AI閾值的合理設(shè)定關(guān)系著underkill和overkill之間的權(quán)衡，若AI閾值設(shè)定值偏低，則可能會(huì)將實(shí)際為誤報(bào)缺陷錯(cuò)誤地識別成真實(shí)缺陷，殺傷力過大而造成overkill；若AI閾值設(shè)定值偏高，則可能會(huì)將實(shí)際真實(shí)缺陷錯(cuò)誤地識別成誤報(bào)缺陷，殺傷力不足而造成underkill。

可以說，AI閾值的設(shè)定對模型輸出結(jié)果的準(zhǔn)確性有著密切的關(guān)系。

以上背景技術(shù)內(nèi)容的公開僅用于輔助理解本發(fā)明的發(fā)明構(gòu)思及技術(shù)方案，其并不必然屬于本專利申請的現(xiàn)有技術(shù)，也不必然會(huì)給出技術(shù)教導(dǎo)；在沒有明確的證據(jù)表明上述內(nèi)容在本專利申請的申請日之前已經(jīng)公開的情況下，上述背景技術(shù)不應(yīng)當(dāng)用于評價(jià)本申請的新穎性和創(chuàng)造性。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種PCB缺陷檢測模型的評估方法、評估裝置及訓(xùn)練方法，有效評估模型的識別能力和識別收斂度。

為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案如下：

一種PCB缺陷檢測模型的評估方法，用于評估被預(yù)先訓(xùn)練的缺陷檢測模型對PCB圖像的缺陷預(yù)測能力，所述缺陷檢測模型對PCB圖像的缺陷預(yù)測結(jié)果包括缺陷類型及相應(yīng)的概率值，評估方法包括：

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

將所述測試圖像集中的多個(gè)測試圖像輸入待評估的缺陷檢測模型，得到與所述測試圖像一一對應(yīng)的缺陷預(yù)測結(jié)果；

按照得到的缺陷預(yù)測結(jié)果中的缺陷類型，對缺陷預(yù)測結(jié)果進(jìn)行分類；

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

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

進(jìn)一步地，根據(jù)測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，則所述缺陷檢測模型識別該類缺陷的能力不合格；或者，

若同一分類下的測試圖像對應(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，若同一分類下的測試圖像對應(yīng)的概率值的方差大于預(yù)設(shè)的方差閾值，則所述缺陷檢測模型識別該類缺陷的收斂度不合格。

進(jìn)一步地，所述PCB缺陷檢測模型的評估方法還包括：若評估結(jié)果不合格，則對所述缺陷檢測模塊進(jìn)行再訓(xùn)練，且所述缺陷檢測模型將學(xué)習(xí)注意力集中在識別能力或收斂度不合格的該類缺陷上。