参数优化方法、系统、电子装置及计算机可读存储介质制造方法及图纸

本发明专利技术提供了一种参数优化方法、系统、电子装置及计算机可读存储介质，包括使用每个粒子当代的位置参数评分和前若干代的位置参数评分筛选出当代每个粒子的局部最优位置参数；使用粒子群所有粒子的位置参数评分筛选出一个最优的局部最优位置参数作为当代粒子群的全局最优位置参数；判断迭代次数是否到达预设的迭代次数阈值，若否则转至迭代位置参数获取步骤；使用粒子群算法、当代粒子群的全局最优位置参数、当代每个粒子的局部最优位置参数迭代出下一代粒子群的每个粒子的迭代位置参数；使用迭代位置参数迭代校验区域提取步骤中的标定位置参数，直至判断出迭代次数达到预设的迭代次数阈值，则将全局最优位置参数确定为检测算法的最优参数。测算法的最优参数。测算法的最优参数。

【技术实现步骤摘要】
参数优化方法、系统、电子装置及计算机可读存储介质


[0001]本专利技术涉及光学检测的
，尤其涉及一种参数优化方法、分料装置、分料设备及计算机可读存储介质。

技术介绍

[0002]目前光学检测技术已经广泛应用于工业缺陷检测领域，如芯片检测领域，在对缺陷进行检测前，需要手动调节检测算法的检测参数，以优化出目标检测参数，再使用目标检测参数对缺陷进行检测。
[0003]随着缺陷检测的准确性要求的提高，检测算法越发复杂，检测参数的数量也越多；检测参数优化时间随着检测参数数量的增加而大幅度增加，从而出现检测参数的优化时间长的技术问题。

技术实现思路

[0004]本专利技术的目的在于提供一种参数优化方法、系统、电子装置及计算机可读存储介质，以解决现有技术中检测参数的优化时间长的技术问题。
[0005]第一方面，本专利技术提供了一种参数优化方法，包括：
[0006]对模板图像中的待检测区域进行标注，得到标注区域；
[0007]确定预先构建的待检测区域的检测算法的检测参数的优化范围，将粒子群的目标数量粒子分布在检测参数的优化范围中；
[0008]校验区域提取步骤，分别使用当代粒子群的每个粒子的标定位置参数计算检测算法得到待检测区域的校验区域；
[0009]参数评分步骤，分别使用当代粒子群的每个粒子的校验区域和所述标注区域对每个粒子的标定位置参数进行打分，得到每个粒子的位置参数评分；
[0010]局部最优参数筛选步骤，使用每个粒子当代的位置参数评分和前若干代的位置参数评分筛选出当代每个粒子的局部最优位置参数；
[0011]全局最优参数筛选步骤，使用粒子群所有粒子的位置参数评分筛选出一个最优的局部最优位置参数作为当代粒子群的全局最优位置参数；
[0012]迭代次数判断步骤，判断迭代次数是否到达预设的迭代次数阈值，若是，则将全局最优位置参数确定为检测算法的最优参数，若否，则转至迭代位置参数获取步骤；
[0013]迭代位置参数获取步骤，使用粒子群算法、当代粒子群的全局最优位置参数、当代每个粒子的局部最优位置参数迭代出下一代粒子群的每个粒子的迭代位置参数；
[0014]位置参数迭代步骤，使用迭代位置参数迭代所述校验区域提取步骤中的标定位置参数，并依次执行所述校验区域提取步骤、所述参数评分步骤、所述局部最优参数筛选步骤、所述全局最优参数筛选步骤以及所述迭代次数判断步骤。
[0015]作为本专利技术的一个实施例，在所述局部最优参数筛选步骤之前，所述参数优化方法还包括：
[0016]代数判断步骤，判断粒子群的代数是否为第一代，若是，则将当代粒子群的每个粒子的标定位置参数确定为每个粒子的局部最优位置参数，并转至所述全局最优参数获取步骤；若否，则执行所述局部最优参数筛选步骤。
[0017]作为本专利技术的一个实施例，所述对模板图像中的待检测区域进行标注，得到标注区域包括：
[0018]对模板图像中的待检测区域进行轮廓标注，得到第一标注区域；
[0019]对模板图像中的待检测区域进行扩大标注，得到第二标注区域，且所述第二标注区域覆盖所述第一标注区域。
[0020]作为本专利技术的一个实施例，所述参数评分步骤包括：
[0021]将所述校验区域与所述第一标注区域的重叠区域设置为第一结果区域；
[0022]将所述第二标注区域减去所述第一标注区域，得到第二结果区域；
[0023]将所述校验区域与所述第二结果区域的重叠区域设置为第三结果区域；
[0024]计算所述第一结果区域与所述第一标注区域的比值，得到第一比值；
[0025]计算所述第三结果区域与所述第二结果区域的比值，得到第二比值；
[0026]计算所述第一比值与所述第二比值的比值，得到第三比值，并将所述第三比值设置为所述参数评分。
[0027]作为本专利技术的一个实施例，所述迭代位置参数获取步骤包括：
[0028]构建粒子群算法的惯性系数迭代公式：
[0029]ω＝ω
max
‑
(ω
max
‑
ω
min
)t/t
max
；
[0030]构建粒子群算法的参数变化值迭代公式；
[0031]V
ij(t+1)
＝ωV
ij(t)
+c1r1(P
ij(t)
‑
X
ij(t)
)+c2r2(P
tj(t)
‑
X
ij(t)
)；
[0032]构建粒子群算法的位置参数迭代公式：
[0033]X
ij(t+1)
＝X
ij(t)
+V
ij(t+1)
；
[0034]分别使用当代每个粒子的局部最优位置参数和当代粒子群的全局最优位置参数计算所述参数变化值迭代公式，得到参数变化值；
[0035]使用参数变化值计算位置所述位置参数迭代公式，得到所述迭代位置参数；
[0036]其中，ω
max
为粒子的最大惯性系数，ω
min
为粒子的最小惯性系数，t
max
为迭代次数阈值，c1为粒子的个体学习因子，c2为粒子的群体学习因子；t为当前迭代次数；r1、r2为[0，1]区间内的独立随机数；ω为粒子的惯性系数；V
ij(t)
为粒子i的j位置参数在第t次迭代中的参数变化值；V
ij(t+1)
为粒子i的j位置参数在第t+1次迭代中的参数变化值；P
ij(t)
为粒子i的j位置参数在第t迭代中的局部最优位置参数；P
tj(t)
为粒子群的j位置参数在第t迭代中的全局最优位置参数；X
ij(t)
为粒子i的j位置参数在第t次迭代中的标定位置参数；X
ij(t+1)
为粒子i的j位置参数在第t次迭代中的标定位置参数。
[0037]作为本专利技术的一个实施例，在所述使用参数变化值计算位置所述参数迭代公式，得到所述迭代位置参数之前，所述迭代位置参数获取步骤还包括：
[0038]判断粒子的参数变化值是否小于预设的变化下限值，若是，则将粒子的参数变化值更新为变化下限值；若否，则判断参数变化值是否大于预设的变化上限值，若是，则将粒子的参数变化值更新为变化上限值；
[0039]在所述使用参数变化值计算位置所述参数迭代公式，得到所述迭代位置参数之
后，所述迭代位置参数获取步骤还包括：
[0040]判断所述迭代位置参数是否小于预设的参数下限值，若是，则将粒子的迭代位置参数更新为参数下限值，若否，则判断迭代位置参数是否大于参数上限值，若是，则将粒子的迭代位置参数更新为参数上限值。
[0041]作为本专利技术的一个实施例，所述校验区域提取步骤包括：
[0042]使用每个粒子的标定位置参数对模板图像中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种参数优化方法，其特征在于，包括：对模板图像中的待检测区域进行标注，得到标注区域；确定预先构建的待检测区域的检测算法的检测参数的优化范围，将粒子群的目标数量粒子分布在检测参数的优化范围中；校验区域提取步骤，分别使用当代粒子群的每个粒子的标定位置参数计算检测算法得到待检测区域的校验区域；参数评分步骤，分别使用当代粒子群的每个粒子的校验区域和所述标注区域对每个粒子的标定位置参数进行打分，得到每个粒子的位置参数评分；局部最优参数筛选步骤，使用每个粒子当代的位置参数评分和前若干代的位置参数评分筛选出当代每个粒子的局部最优位置参数；全局最优参数筛选步骤，使用粒子群所有粒子的位置参数评分筛选出一个最优的局部最优位置参数作为当代粒子群的全局最优位置参数；迭代次数判断步骤，判断迭代次数是否到达预设的迭代次数阈值，若是，则将全局最优位置参数确定为检测算法的最优参数，若否，则转至迭代位置参数获取步骤；迭代位置参数获取步骤，使用粒子群算法、当代粒子群的全局最优位置参数、当代每个粒子的局部最优位置参数迭代出下一代粒子群的每个粒子的迭代位置参数；位置参数迭代步骤，使用迭代位置参数迭代所述校验区域提取步骤中的标定位置参数，并依次执行所述校验区域提取步骤、所述参数评分步骤、所述局部最优参数筛选步骤、所述全局最优参数筛选步骤以及所述迭代次数判断步骤。2.根据权利要求1所述的参数优化方法，其特征在于，在所述局部最优参数筛选步骤之前，所述参数优化方法还包括：代数判断步骤，判断粒子群的代数是否为第一代，若是，则将当代粒子群的每个粒子的标定位置参数确定为每个粒子的局部最优位置参数，并转至所述全局最优参数获取步骤；若否，则执行所述局部最优参数筛选步骤。3.根据权利要求1所述的参数优化方法，其特征在于，所述对模板图像中的待检测区域进行标注，得到标注区域包括：对模板图像中的待检测区域进行轮廓标注，得到第一标注区域；对模板图像中的待检测区域进行扩大标注，得到第二标注区域，且所述第二标注区域覆盖所述第一标注区域。4.根据权利要求3所述的参数优化方法，其特征在于，所述参数评分步骤包括：将所述校验区域与所述第一标注区域的重叠区域设置为第一结果区域；将所述第二标注区域减去所述第一标注区域，得到第二结果区域；将所述校验区域与所述第二结果区域的重叠区域设置为第三结果区域；计算所述第一结果区域与所述第一标注区域的比值，得到第一比值；计算所述第三结果区域与所述第二结果区域的比值，得到第二比值；计算所述第一比值与所述第二比值的比值，得到第三比值，并将所述第三比值设置为所述参数评分。5.根据权利要求1所述的参数优化方法，其特征在于，所述迭代位置参数获取步骤包括：
构建粒子群算法的惯性系数迭代公式：ω＝ω
max
‑
(ω
max
‑
ω
min
)t/t
max
；构建粒子群算法的参数变化值迭代公式；V
ij(t+1)
＝ωV
ij(t)
+c1r1(P
ij(t)
‑
X
ij(t)
)+c2r2(P
tj(t)
‑
X
ij(t)
)；构建粒子群算法的位置参数迭代公式：X
ij(t+1)
＝X
ij(t)
+V
ij(t+1)
；分别使用当代每个粒子的局部最优位置参数和当代粒子群的全局最优位置参数计算所述参数变化值迭代公式，得到参数变化值；使用参数变化值计算所述位置参数迭代公式，得到所述迭代位置参数；其中，ω
max
为粒子的最大惯性系数，ω
min
为粒子的最小惯性系数，t
max
为迭代次数阈值，c1为粒子的个体...

【专利技术属性】
技术研发人员：刘飞，林宜龙，胡忠，廖承毅，王能翔，
申请(专利权)人：深圳格兰达智能装备股份有限公司，
类型：发明
国别省市：