一种蚀刻引线框架误报库建立及误报在线判定筛选方法

专利主权项内容

1.一种蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于，包括如下步骤：S1、网络模型预训练：采集蚀刻引线框架的缺陷图片和误报图片；对采集的缺陷图片和误报图片进行分类标注后，依据分类标注类别通过特征提取网络进行训练，得到蚀刻引线框架的特征网络；S2、产品建模：通过光学相机平台，采集一片无缺陷的蚀刻引线框架图片，作为模板图；将所述模板图划分为X张等面积的模板单元图像；S3、建库检测图像采集及其单元图像划分：拍摄采集至少两张蚀刻引线框架图片作为建库检测图像，同时对采集的建库检测图像以与步骤S2中模板单元图像相同面积的方式划分为X张建库单元图像；S4、建库单元图像匹配及提取缺陷图像：将步骤S3中的建库单元图像与步骤S2中的模板单元图像逐个分析匹配，以单元图像的像素灰度值作为匹配标准，当建库单元图像与模板单元图像的像素灰度差异值大于差异阈值T1时，标记为异常单元图像；当该建库检测图像匹配后统计的异常单元图像面积大于异常阈值T2时，将该建库检测图像提取为候选缺陷图像；S5、筛选误报图像：重复上述步骤S3至S4，直至将所有建库检测图像匹配完成后，提取得到所有建库检测图像中的候选缺陷图像后，根据图像中有无缺陷逐张对候选缺陷图像进行筛选，将无缺陷的图像筛选为误报图像；S6、误报图像缩放：将步骤S5中筛选出的误报图像逐张缩放至128*128像素尺寸的图像；S7、误报图像转换：将步骤S6中缩放后的误报图像输入所述步骤S1中训练的蚀刻引线框架的特征网络，并输出误报图像高维特征矢量a；所述误报图像高维特征矢量a为包括128维的向量数组；S8、误报图像归一化运算：将步骤S7中输出的误报图像高维特征矢量a进行归一化运算，得到误报图像特征矢量a^；所述误报图像特征矢量a^为128维的向量数组；所述归一化运算公式为a^=a/|a|，其中，所述a为误报图像高维特征矢量a的128维向量数组中第i个向量数值；所述|a|为a的模长，|a|=(向量a各分量二次幂相加结果)的开方；iiiiiS9、建立误报图像特征库：将步骤S8中归一化运算得到的误报图像特征矢量a^保存，形成误判图像特征库；S10、在线待检测图像采集及其单元图像划分：拍摄采集蚀刻引线框架的待检测图像，同时对采集的待检测图像以与步骤S2中模板单元图像相同面积的方式划分为X张检测单元图像：S11、检测单元图像匹配及提取缺陷图像：将步骤S10中的检测单元图像与步骤S2中的模板单元图像逐个分析匹配，以单元图像的像素灰度值作为匹配标准，当检测单元图像与模板单元图像的像素灰度差异值大于差异阈值T1时，标记为异常单元图像；当该待检测图像匹配后统计的异常单元图像面积大于异常阈值T2时，将该待检测图像提取为候选缺陷图像：S12、候选缺陷图像缩放：将步骤S11中筛选出的候选缺陷图像缩放至128*128像素尺寸的图像；S13、候选缺陷图像转换：将步骤S12中缩放后的候选缺陷图像输入所述步骤S1中训练的蚀刻引线框架的特征网络，并输出候选图像高维特征矢量b；所述候选图像高维特征矢量b为包括128维的向量数组；S14、候选缺陷图像归一化运算及提取特征矢量：将步骤S13中输出的候选图像高维特征矢量b进行归一化运算，得到候选图像特征矢量b^；所述候选图像特征矢量b^为128维的向量数组；所述归一化运算公式为b^=b/|b|，其中，所述b为候选图像高维特征矢量b的128维的向量数组中第i个向量数值；所述|b|为b的模长，|b|=(向量b各分量二次幂相加结果)的开方；iiiiiS15、特征距离计算：将步骤S14中归一化运算后得到的候选图像特征矢量b^与步骤S9中建立的误报特征库内的多个误报图像特征矢量a^逐个检索比对，利用L2范式距离公式分别计算候选图像特征矢量b^与多个误报图像特征矢量a^之间的特征距离，取其中最小距离值，作为待检测图像与误报图像库最终的评价值L；L2范式距离公式为，公式中a表示误报图像高维特征矢量，b表示候选图像高维特征矢量，n=128，i表示128维向量数组中第i维，a、b分别表示a、b特征中第i维的向量数值；iiS16、误报图像判定筛选：将步骤S15中选取的评价值L与误报筛选阈值T3进行比对，当L≤T3时，判定该待检测图像为误报图像，反之则为缺陷图像；S17、在线误报筛选：重复上述步骤S10至S16，在线将待检测图像逐张通过灰度值对比筛选候选缺陷图像后，通过候选缺陷图像的候选特征矢量b^与误报图像库内的多个误报图像特征矢量a^进行L2范式距离公式计算特征距离后，根据选取的评价值L与阈值T3进行比对，在线筛选判定候选图像是否为误报图像。