【技术实现步骤摘要】
一种产品外观缺陷检测的最优分块方法、检测方法及系统
[0001]本专利技术涉及电子制造的
，更具体地，涉及一种产品外观缺陷检测的最优分块方法、检测方法及系统。
技术介绍
[0002]近年来，我国虽然已经是制造大国，但还不是制造强国；为此，我国将创新以及产业升级作为新时期经济发展面临的重大课题。智能制造将会成为新时期主要发展方向，我国制造业将从传统生产方式向智能化生产发展转型，用信息化和工业化两化深度融合来引领和带动整个制造业的发展。利用人工检测电子元件产品的缺陷耗时耗力，外观缺陷检测自动化是行业发展的必然趋势。目前，有部分检测算法使用了分块再整合的检测思路，分块的形状和大小对算法具有一定的影响。部分算法分块的数量变化时，准确率有所上升，但会带来一定的误检，如分块数量过少，检测块较大，得到的检测框过大，框住的冗余信息过多；分块数量过多，检测块较小，得到的检测块与检测块之间对比度下降，造成了大量的误检漏检。因此对于某些算法的准确率在合理情况下，以块为单位的误检率与以像素为单位的误检率之间差距不明显，存在评估困难的情况。因此...
【技术保护点】
【技术特征摘要】
1.一种产品外观缺陷检测的最优分块方法，其特征在于，包括：S1：获取产品的外观图片和外观缺陷真实类别；S2：将外观图片输入现有的基于分块的缺陷检测算法，并设置分块参数和评估次数；S3：根据分块参数，进行块级缺陷检测，获得块级检测结果和像素级检测结果；S4：将块级检测结果和像素级检测结果分别与外观缺陷真实类别进行对比，确定块级检测结果和像素级检测结果的分类属性，并计算每种分类属性的数量；S5：基于块级检测结果和像素级检测结果的分类属性的数量，计算块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数；S6：根据块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数设置评估函数，计算最终评估结果；S7：更新分块参数，重复步骤S3
‑
S6，进行下一轮评估过程，获得每种分块参数对应的最终评估结果，直到达到评估次数；S8：比较每种分块参数对应的最终评估结果的大小，当最终评估结果的数值最大时，对应的分块参数为最优分块参数。2.根据权利要求1所述的产品外观缺陷检测的最优分块方法，其特征在于，所述步骤S4中，将块级检测结果和像素级检测结果分别与外观缺陷真实类别进行对比，确定块级检测结果和像素级检测结果的分类属性，并计算每种分类属性的数量的具体方位为：外观缺陷真实类别为存在缺陷或不存在缺陷；将块级检测结果与外观缺陷真实类别进行对比，获得块级检测结果的分类属性：当外观图片的块级检测结果为存在缺陷，外观缺陷真实类别为存在缺陷，则该块级检测结果的分类属性为块级真正例，数量记为BTP；当外观图片的块级检测结果为存在缺陷，外观缺陷真实类别为不存在缺陷，则该块级检测结果的分类属性为块级假正例，数量记为BFP；当外观图片的块级检测结果为不存在缺陷，外观缺陷真实类别为存在缺陷，则该块级检测结果的分类属性为块级假负例，数量记为BFN；当外观图片的块级检测结果为不存在缺陷，外观缺陷真实类别为不存在缺陷，则该块级检测结果的分类属性为块级真负例，数量记为BTN；利用相同的方法将像素级检测结果与外观缺陷真实类别进行对比，获得像素级检测结果的分类属性，包括：像素级真正例、像素级假负例、像素级假正例和像素级真负例；数量分别记为PTP、PTN、PFP和PTN。3.根据权利要求2所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性的数量，计算块级误检率的具体方法为：式中，BFDR表示块级误检率，BFP表示块级假正例数量，BTN表示块级真负例数量。4.根据权利要求3所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性，计算像素级误检率的具体方法为：式中，PFDR表示像素级误检率，PFP表示像素级假正例数量，PTN表示像素级真负例数量。
5.根据权利要求4所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性，计算误检率参数的具体方法为：式中，α表示误检率参数。6.根据权利要求5所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性，计算误检平衡参数的具体方法为：式中，β表示误检平衡参数，c表示第一收...
【专利技术属性】
技术研发人员：蔡念，李炜博，燕舒乐，龙进良，袁安，王晗，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。