2019午夜福利不卡片在线,2020精品国产户外,国产成人午夜精华液,亚洲国产欧美在线综合

自動化光學檢測技術已廣泛應用于工業(yè)場景，現(xiàn)有研究集中在理論模型和系統(tǒng)設計上。

在工業(yè)生產(chǎn)環(huán)境中，對于不同類型和規(guī)格的產(chǎn)品，有必要根據(jù)產(chǎn)品缺陷的檢測及時調(diào)整檢測參數(shù)的閾值，以提高設備的檢測率。本文對采集設備檢測到的缺陷數(shù)據(jù)進行了實際研究。機器學習方法用于分析不同類型缺陷的檢測參數(shù)指標，以提高缺陷檢測的準確性。

圖1：研究過程

我們以一家TFT-LCD工廠為研究對象，關鍵缺陷檢測現(xiàn)場使用自動光學檢測設備來實現(xiàn)面板缺陷檢測。研究過程如圖1所示。我們將AOI設備生成的數(shù)據(jù)收集并組織到數(shù)據(jù)庫中，然后分析數(shù)據(jù)的參數(shù)，使用機器學習方法訓練和測試模型，最后應用研究結果到實際生產(chǎn)。

圖2：源數(shù)據(jù)格式

圖3：程序流程圖

每個面板的原始數(shù)據(jù)文件生成具有不同數(shù)據(jù)結構的多個缺陷數(shù)據(jù)文件，如圖2所示，該文件保存在本地主機中。由于數(shù)據(jù)存在于不同的文件中，因此我們需要使用面板名稱，檢測到的參數(shù)值和檢測結果來將它們收集并存儲在數(shù)據(jù)倉庫中。為了完成收集和組織數(shù)據(jù)的目標，我們編寫程序來完成此過程，程序流程圖如圖3所示。

圖4：數(shù)據(jù)采集過程

圖5：數(shù)據(jù)倉庫的數(shù)據(jù)結構

數(shù)據(jù)獲取過程如圖4所示，其結果表示在數(shù)據(jù)倉庫中，如圖5所示。

圖6：缺陷和特征數(shù)據(jù)

獲得的特征數(shù)據(jù)需要使用適當?shù)墓ぞ邅磉M行分析和分類，以找到參數(shù)數(shù)據(jù)與缺陷之間的相關性。我們以兩種類型的缺陷為例，以缺陷的正確性作為結果，圖6僅顯示了缺陷與特征數(shù)據(jù)之間的關系。由于多因素參數(shù)的相互影響，因此應考慮使用PCA / ICA等方法進行數(shù)據(jù)選擇和特征提取的數(shù)據(jù)復雜性以及錯誤和無關信息的影響。

圖7：訓練結果

圖8：測試結果

在分析過程中，根據(jù)不同參數(shù)數(shù)據(jù)的特征，我們使用數(shù)據(jù)挖掘和機器學習算法，這些算法適合于為實現(xiàn)對不同缺陷的準確分類而選擇的數(shù)據(jù)特征。

在這種情況下，我們使用Weka SimpleKMeans方法進行簡單的訓練和測試，結果如圖7和圖8所示。

在實際的生產(chǎn)環(huán)境中，缺陷的檢測與許多因素有關。特征數(shù)據(jù)和特定缺陷之間的關系需要不斷測試和驗證。我們的目標是根據(jù)缺陷及其特征參數(shù)進行監(jiān)視和預警。同時，圖像數(shù)據(jù)的缺陷檢測需要這樣的處理流程，提取特征參數(shù)并提高檢測率。

標簽： 精度檢測