一种关键特征自动优选的方法技术

本发明专利技术涉及一种关键特征自动优选的方法，包括以下步骤，建立缺陷样本集，建立初始特征集A；计算所有样本的初始特征集A中的所有特征值作为数据集，并划分训练集和测试集；对初始特征集A进行预处理，预处理后的特征作为特征集B；构建分类器，输出等级分类混淆矩阵以及计算等级分类准确度；对特征集B进行贡献度排序；关键特征选择；输出关键特征集C。本发明专利技术通过基于机器学习统计分析的方式建立自动优选关键特征机制，自动优选出关键特征，用于缺陷的等级决策和分仓；基于优选特征自动建立缺陷决策分级逻辑，形成标准分级规格；使特征选择具有统一性和可解释性；避免因人工经验差异选择不同的特征，便于调试管理，减少对人工的经验依赖。

【技术实现步骤摘要】

本专利技术涉及视觉检测，尤其是一种关键特征自动优选的方法。

技术介绍

1、目前利用机器视觉aoi进行检测，自动化、智能化程度高，这就要求检测流程标准化、规格统一化，减少对于人工经验的依赖；目前常见的几种特征有效性选择的方式如下：

2、1、算法工程师经验判断，mqe给出一份缺陷分仓筛选判断规格文件，其中包括缺陷特征和特征阈值，根据规格文件建立筛选决策逻辑，在设备生产过程中，根据过杀、漏检样本的特征增加或者修改特征及阈值；

3、2、递归特征消除法，首先使用所有特征参与分级，计算每一个特征的分级权重，然后去除最低权重特征，将剩余特征再次参与分级，最后循环上述流程，直到所有特征被消除，输出特征的权重排序；

4、3、最小基尼系数值，基尼系数表示样本不纯度，利用决策树分级的方式，依次遍历特征和样本，计算当前特征的基尼值，统计各个特征的基尼值，从小到大排序则对应特征的重要性从大到小。

5、但是，上述方式分别具有以下不足：

6、1、基于算法工程师经验判断：该方式自动化程度最低，且关键特征会受到工程师的不同经验积累本文档来自技高网...

【技术保护点】

1.一种关键特征自动优选的方法，其特征在于：包括以下步骤，

2.如权利要求1所述的一种关键特征自动优选的方法，其特征在于：所述的步骤S3中，采用基于方差计算的方式去除低方差特征对初始特征集A进行预处理。

3.如权利要求1所述的一种关键特征自动优选的方法，其特征在于：所述的步骤S4中，将包含所有特征集B的缺陷样本数据集作为输入，利用XGBoost分类器通过样本数据集训练分类网络，将样本等级进行分类，输出等级分类混淆矩阵以及计算等级分类准确度。

4.如权利要求3所述的一种关键特征自动优选的方法，其特征在于：所述的步骤S5中，采用SHAP分析工具计算出XGB...

【技术特征摘要】

1.一种关键特征自动优选的方法，其特征在于：包括以下步骤，

2.如权利要求1所述的一种关键特征自动优选的方法，其特征在于：所述的步骤s3中，采用基于方差计算的方式去除低方差特征对初始特征集a进行预处理。

3.如权利要求1所述的一种关键特征自动优选的方法，其特征在于：所述的步骤s4中，将包含所有特征集b的缺陷样本数据集作为输入，利用xgboost分类器通过样本数据集训练分类网络，将样本等级进行分类，输出等级分类混淆矩阵以及计算等级分类准确度。

4.如权利要求3所述的一种关键特征自动优选的方法，其特征在于：所述的步骤s5中，采用shap分析工具计算出xgboost分类器训练的缺陷等级分类模型中，每个特征对于模型准确分类的贡献度。

5.如权利要求1所述的一种关键特征自动优选的方法，...

【专利技术属性】
技术研发人员：都卫东，和江镇，王岩松，罗兵，吴健雄，
申请(专利权)人：征图新视江苏科技股份有限公司，
类型：发明
国别省市：