【技术实现步骤摘要】
本申请涉及电子，具体涉及一种pcba异常件确定方法、系统、存储介质及电子设备。
技术介绍
1、装配印刷电路板（printed circuit board assembly，pcba）是在印刷电路板上安装电子组件而组成的电路板，是电子产品的核心部件。pcba的质量直接影响着电子产品的性能和可靠性。但是，pcba制造过程中难免会出现各种问题，如器件缺失、位置错位、方向错误、焊接不良等，这些都会导致成品出现功能缺陷或安全隐患。
2、pcba广泛应用于各种电子产品，同一批量产的pcba可能会运送给不同的客户进行不同场景的应用。但是，不同的应用环境会对pcba造成不同程度的影响。而pcba的检测通常只在标准环境下进行，很难模拟pcba实际工作时所处的复杂应用条件。因此，仅通过标准环境下的检测，难以在批量pcba中全面准确地判断出在特定条件下可能出现的pcba异常件。
技术实现思路
1、本申请提供了一种pcba异常件确定方法、系统、存储介质及电子设备，可以提高识别pcba异常件的准确性。
2、在本申请的第一方面，本申请提供了一种pcba异常件确定方法，包括：
3、获取目标客户应用pcba时的特定条件，并根据所述特定条件对批量pcba中至少一个目标pcba进行抽样检测；
4、当确定所述目标pcba存在中异常件时，确定所述批量pcba的第一生产条件中与所述特定条件对应的第二生产条件；
5、对所述第一生产条件以及第二生产条件进行特征提取，得
6、将所述目标特征输入至训练完成的识别模型中，输出所述批量pcba中的目标异常件。
7、通过采用上述技术方案，通过获取目标客户应用pcba的特定条件，基于特定条件对目标pcba进行抽样检测，实现了针对不同客户需求进行个性化和准确的异常检测，检测结果更符合目标pcba的实际使用环境，避免了简单依据普适性标准条件造成的漏检。在确定存在异常件后，进一步分析第一标准生产条件和第二对应异常条件，找出异常产生的根源，可以针对性改进第一条件，优化生产流程，防止问题重复出现。提取第一条件和第二条件的多种特征，进行标记、融合处理，通过样本训练取得了判别正常和异常的准确模型。该模型综合利用不同特征，实现了准确判别异常件的功能。所述方法可以提高识别pcba异常件的准确性。
8、可选的，所述对所述第一生产条件以及第二生产条件进行特征提取，得到目标特征，包括：
9、确定所述特定条件与标准测试条件的条件差值；
10、基于所述条件差值，调整所述第一生产条件中各生产条件的权重占比，得到调整后的第一生产条件；
11、对所述调整后的第一生产条件进行特征提取，得到第一特征；
12、对所述所述第二生产条件进行特征提取，得到第二特征。
13、通过采用上述技术方案，根据特定条件与标准条件的差异，差值大小代表了参数对异常识别的重要性。进行差值分析并据此调整第一条件特征的权重，可以使提取出的特征更聚焦对异常识别更关键的生产参数。通过先提取调整权重后的第一条件特征，再提取第二异常对应条件特征，获得了两类能代表不同生产环节的特征。这些特征可以更全面反映异常产生的原因。分别提取第一特征和第二特征再进行融合，综合利用了不同生产条件的参数信息，使模型训练更充分，从而能更准确地进行异常判别。
14、可选的，所述目标特征包括与第一生产条件对应的第一特征，以及与第二生产条件对应的第二特征，所述将所述目标特征输入至训练完成的识别模型中，输出所述批量pcba中的目标异常件，包括：
15、将所述第一特征输入至训练完成的识别模型中，输出第一异常件；
16、将所述第二特征输入至训练完成的识别模型中，输出第二异常件；
17、将所述第一异常件和所述第二异常件中共同的异常件确定为所述目标异常件。
18、通过采用上述技术方案，可以反映特定条件对产品质量的影响，并据此调整第一条件中各参数的权重。经调整后的第一条件，可以更准确抽取对异常识别具有重要意义的特征。同时，分别提取第一条件和第二条件对应的两类特征，作为第一特征和第二特征。将不同特征分别输入识别模型，进行两阶段识别，并取交集判定最终异常件。这种分阶段识别及多特征融合的方式，可以充分利用第一条件和第二条件不同角度提取的特征信息，提升识别的准确性。
19、可选的，所述获取目标客户应用pcba时的特定条件之前，还包括：
20、获取正常pcba的正常生产条件和异常pcba的异常生产条件；
21、对所述正常生产条件和异常生产条件进行标记处理，得到标记条件；
22、分别对所述正常生产条件和所述异常生产条件进行特征提取操作，得到不同的样本特征；
23、采用所述不同的样本特征训练初始识别模型中的各决策树，得到对应训练结果；
24、组合各所述训练结果，得到所述训练完成的识别模型。
25、通过采用上述技术方案，该方案通过获取包含正常和异常样本的充足数据，进行标注和特征提取，为模型的训练提供了合适的样本集。采用不同类型样本特征分别去训练决策树，可以使每个决策树学习到精确判别某一类样本的规则，提高了模型的判别能力。该方案通过获取标注数据、分别特征训练及结果融合等技术手段，实现了对准确和全面的模型训练流程。取得的训练完成模型可以进行精确和稳定的异常判别，提高了判别效果，为后续异常识别提供了可靠的基础，具有更强的适应性和泛化能力。
26、可选的，所述样本特征包括：物料批次信息、生产工艺信息、工作人员信息、使用的工具设备信息以及生产环境信息。
27、通过采用上述技术方案，该方案提出的样本特征包含了物料批次、工艺流程、人员操作、设备状态、环境条件等多个方面的信息。这些特征全面反映了从原材料到操作流程，再到设备和环境等生产全过程的各个影响因素。包含这样多维度特征的样本数据，可以使模型充分学习到不同因素对产品质量的综合影响。
28、可选的，所述训练结果包括训练完成的决策树，将各所述训练结果进行组合，得到训练完成的特征识别模型，包括：
29、通过软投票的机制拟合各所述训练完成的决策树，得到所述训练完成的识别模型。
30、通过采用上述技术方案，采用软投票的加权融合方法，组合多个经训练完成的决策树模型。软投票可以根据单模型的验证性能，合理预设其权重。预测时进行加权累加判别。既发挥了每个决策树学习到的知识，又通过权重控制了不同模型的作用程度。
31、可选的，所述样本特征还包括袋外样本，所述采用所述不同的样本特征训练初始识别模型中的各决策树，得到对应训练结果之后，还包括：
32、通过所述袋外样本集确定当前识别模型的准确率；
33、根据所述训练结果的正确样本数量，确定所述训练结果的召回率；
34、根据所述准确率和所述召回率，调整所述识别模型的参数。...
【技术保护点】
1.一种PCBA异常件确定方法，其特征在于，包括：
2.根据权利要求1所述的PCBA异常件确定方法，其特征在于，所述对所述第一生产条件以及第二生产条件进行特征提取，得到目标特征，包括：
3.根据权利要求1所述的PCBA异常件确定方法，其特征在于，所述目标特征包括与第一生产条件对应的第一特征，以及与第二生产条件对应的第二特征，所述将所述目标特征输入至训练完成的识别模型中，输出所述批量PCBA中的目标异常件，包括：
4.根据权利要求1所述的PCBA异常件确定方法，其特征在于，所述获取目标客户应用PCBA时的特定条件之前，还包括：
5.根据权利要求4所述的PCBA异常件确定方法，其特征在于，所述样本特征包括：物料批次信息、生产工艺信息、工作人员信息、使用的工具设备信息以及生产环境信息。
6.根据权利要求4所述的PCBA异常件确定方法，其特征在于，所述训练结果包括训练完成的决策树，将各所述训练结果进行组合，得到训练完成的特征识别模型，包括：
7.根据权利要求4所述的PCBA异常件确定方法，其特征在于，所述样本特征还包
8.一种PCBA异常件确定系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1-7任意一项所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有指令，当所述指令被执行时，执行如权利要求1-7任意一项所述的方法。
...【技术特征摘要】
1.一种pcba异常件确定方法，其特征在于，包括：
2.根据权利要求1所述的pcba异常件确定方法，其特征在于，所述对所述第一生产条件以及第二生产条件进行特征提取，得到目标特征，包括：
3.根据权利要求1所述的pcba异常件确定方法，其特征在于，所述目标特征包括与第一生产条件对应的第一特征，以及与第二生产条件对应的第二特征，所述将所述目标特征输入至训练完成的识别模型中，输出所述批量pcba中的目标异常件，包括：
4.根据权利要求1所述的pcba异常件确定方法，其特征在于，所述获取目标客户应用pcba时的特定条件之前，还包括：
5.根据权利要求4所述的pcba异常件确定方法，其特征在于，所述样本特征包括：物料批次信息、生产工艺信息、工作人员信息、使用的工具设备信息以及生产环境信息。
6.根据权利要求4所述的pc...
【专利技术属性】
技术研发人员：陈茂，黄勇庆，谢永智，
申请(专利权)人：深圳市恒天翊电子有限公司，
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。