System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及陶瓷工艺制品及图像分析,具体涉及一种陶瓷基板质量检测方法、系统、电子设备及存储介质。
技术介绍
1、陶瓷基板是一种在电子行业中备受欢迎的高级基础板材,其主要由特定类型的陶瓷材料(如氧化铝和氮化铝等)所打造。这种陶瓷基板显著特点有高热导率、低热膨胀系数、优越的电绝缘性能、出色的机械强度以及优良的化学稳定性。基于上述特性,陶瓷基板在高频、高功率、高温和高电压的电子系统,如功率led、射频模块或电力设备中,得到了广泛的使用。
2、随着现代工业的快速演变,陶瓷基板在电子、能源和汽车等诸多领域中的应用得到了普及,随之对其质量的精准检测需求日益攀升。现有的陶瓷基板检测方法主要依赖于人工操作或简单的机械设备,仅能根据单一参数进行检测并以此判断陶瓷基板的质量优劣,导致检测的效率与准确率均很低。
技术实现思路
1、鉴于此,本申请提供一种陶瓷基板质量检测方法、系统、电子设备及存储介质,能够提高对陶瓷基板进行检测的效率及准确率。
2、本申请提供一种陶瓷基板质量检测方法,包括:
3、获取多个输入特征;
4、基于所述多个输入特征,生成融合特征,并将所述融合特征输入至训练后的检测模型;
5、基于所述训练后的检测模型的网络结构中多个层以及对应每个层的权重值进行运算并获得预测结果;
6、基于预设标准值范围,判断所述预测结果是否符合标准,若是,则判定所述陶瓷基板为质量合格产品,若否,则判定所述陶瓷基板为质量不合格产品。
7
8、获取拍摄所述陶瓷基板的视频,并基于预设时长,将所述视频划分成多个视频段;
9、对每个所述视频段进行划分,以得到多帧图像,其中,每帧所述图像均携带时间戳;
10、基于所述时间戳,将每帧所述图像归类到对应的时空数据集;
11、将多个所述时空数据集输入至预设卷积神经网络,并通过所述预设卷积神经网络确定所述图像中目标特征在每个时间点所在的位置,并将每个具有对应的时间点和对应的位置的目标特征作为所述时空特征。
12、可选地,所述基于所述多个输入特征,生成融合特征,包括:
13、将每个所述输入特征的值均调节为预设数值范围内的值;
14、确定每个所述输入特征的权重值;
15、基于所述权重值,将每个所述输入特征进行融合,以得到待定特征,并将所述待定特征作为所述融合特征。
16、可选地,所述基于所述训练后的检测模型的网络结构中多个层以及对应每个层的权重值进行运算并获得预测结果,包括:
17、基于所述融合特征,判断所述陶瓷基板中可能存在瑕疵的概率是否大于预设阈值,若是,则判定所述陶瓷基板中存在瑕疵,若否,则判定所述陶瓷基板中不存在瑕疵;
18、当判定所述陶瓷基板中存在瑕疵时,确定瑕疵信息,并将所述瑕疵信息作为所述预测结果,其中,所述瑕疵信息至少包括瑕疵出现的位置、面积以及类型。
19、可选地,所述的陶瓷基板质量检测方法,还包括:
20、当判定所述陶瓷基板为质量不合格产品时,基于所述预测结果中不符合所述预设标准值范围的数值,确定不合格的原因;
21、获取所述陶瓷基板的生产过程数据,并获取物理特征和图像特征;
22、基于所述不合格的原因、所述生产过程数据、所述物理特征和所述图像特征,确定生产过程中出现的故障点,并输出对应的改进建议信息。
23、可选地,所述的陶瓷基板质量检测方法,还包括:
24、获取所述预测结果中所述陶瓷基板的异常信息,并将所述异常信息向用户展示;
25、当获取到用户反馈的标注信息时,将携带所述标注信息的特征输入至所述训练后的检测模型进行运算以获得新的预测结果。
26、可选地,所述的陶瓷基板质量检测方法,还包括:
27、获取预处理后的数据,并基于所述预处理后的数据,生成多个数据集,其中,所述多个数据集至少包括训练集、验证集和测试集;
28、基于超参数、预设网络结构中多个层以及所述预设网络结构中每个层的权重值,确定待训练模型;
29、将所述训练集输入至所述待训练模型进行运算,以对所述待训练模型进行训练;
30、当对所述待训练模型进行训练时,将所述验证集输入至所述待训练模型进行运算,以确定所述待训练模型的性能值,其中,所述待训练模型的性能值至少包括准确率、召回率;
31、当所述待训练模型的性能值不提高时,停止对所述待训练模型进行训练,以得到训练后的模型;
32、将所述测试集输入至所述训练后的模型进行运算,以确定所述训练后的模型的性能值;
33、当所述训练后的模型的性能值超过预设性能值时,将所述训练后的模型作为所述训练后的检测模型。
34、对应地,本申请提供一种陶瓷基板质量检测系统,包括:
35、获取模块,用于获取多个输入特征;
36、第一数据处理子模块,用于基于所述多个输入特征,生成融合特征,并将所述融合特征输入至训练后的检测模型;
37、第二数据处理子模块,用于基于所述训练后的检测模型的网络结构中多个层以及对应每个层的权重值进行运算并获得预测结果;
38、第三数据处理子模块,用于基于预设标准值范围,判断所述预测结果是否符合标准,若是,则判定所述陶瓷基板为质量合格产品,若否,则判定所述陶瓷基板为质量不合格产品。
39、此外,本申请还提供一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如上任一项所述陶瓷基板质量检测方法的步骤。
40、在此基础上,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如上任一项所述陶瓷基板质量检测方法的步骤。
41、本申请提供一种陶瓷基板质量检测方法、装置、电子设备及存储介质,首先,获取多个输入特征,接着,基于多个输入特征,生成融合特征,并将融合特征输入至训练后的检测模型,然后,基于训练后的检测模型的网络结构中多个层以及对应每个层的权重值进行运算并获得预测结果,最后,基于预设标准值范围,判断预测结果是否符合标准,若是,则判定陶瓷基板为质量合格产品,若否,则判定陶瓷基板为质量不合格产品。本申请通过获取多个输入特征作为判断陶瓷基板质量优劣的参考因素,相较于现有方案只用单一参数作为参考因素,本申请方案参考范围更广,判断标注更客观,从而有利于提高检测准确率。同时,基于多个输入特征生成融合特征后,利用检测模型识别融合特征,并输出预测结果,避免了因多个输入特征导致检测复杂度提升而降低检测速度,从而有利于提高检测效率。
本文档来自技高网...【技术保护点】
1.一种陶瓷基板质量检测方法,其特征在于,包括:
2.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,所述多个输入特征包括图像特征、物理特征以及时空特征,获取所述时空特征的步骤包括:
3.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,所述基于所述多个输入特征,生成融合特征,包括:
4.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,所述基于所述训练后的检测模型的网络结构中多个层以及对应每个层的权重值进行运算并获得预测结果,包括:
5.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,还包括:
6.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,还包括:
7.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,还包括:
8.一种陶瓷基板质量检测系统,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如权利要求1-7任一项所述陶瓷基板质量检测方法的步骤。
>10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述陶瓷基板质量检测方法的步骤。
...【技术特征摘要】
1.一种陶瓷基板质量检测方法,其特征在于,包括:
2.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,所述多个输入特征包括图像特征、物理特征以及时空特征,获取所述时空特征的步骤包括:
3.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,所述基于所述多个输入特征,生成融合特征,包括:
4.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,所述基于所述训练后的检测模型的网络结构中多个层以及对应每个层的权重值进行运算并获得预测结果,包括:
5.根据权利要求1所述的陶瓷基板质量检测方法,其特征在于,还包括:
【专利技术属性】
技术研发人员:郑双喜,陈江涛,胡海涛,
申请(专利权)人:山东盈和电子科技有限公司,
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。