[发明专利]COF Film缺陷AITraining数据库及应用

说明书

本发明公开了一种AI Training数据库的生成方法、AI Training数据库、COF Film缺陷的检测方法及动态AI Training数据库，包括以下步骤：S11，图像集人工区分；S12，图像集作为Training材料读入AI Training Server学习；S13，形成Training数据库V0；S14，图像作为检验图像；S15，检验图像交由学习后的AI Training Server判定，人工对AI Training Server判定结果复判。本发明使用人工智能进行自我学习对COF Film缺陷的认知，从而可以替代人员肉眼的判定，节省人力成本，同时提高检测站点产能。

技术领域

本发明涉及COF Film生产工艺，特别涉及一种AI Training数据库的生成方法、AITraining数据库、COF Film缺陷的检测方法及动态AI Training数据库。

背景技术

在COF Film生产工艺中，产品检测流程如图1，镀锡工艺结束后会有一站光学检查站点AOI(Automated Optical Inspection),产品制程完成之后也会有一站光学检查站点AVI(Automated Visual Inspection)，检测完成之后对于疑似NG的情况都会拍照片留档，下一站点即针对光学检测留档的照片人工进行复判。

该检测流程存在以下不足：

①人力需求较多；

②人力检测能力水平参差不齐，容易造成Overkill或Underkill；

③对于复判能力较差人员，人力培训周期较长，费用较大；

④检测站点Tact Time较长；

⑤对于主要不良模式的反馈与分析，需要经验丰富的人员消耗较多时间才能整理出结果，实时性较差，不利于制程及时做改善。

上述背景技术是为了便于理解本发明，并非是申请本发明之前已向普通公众公开的公知技术。

发明内容

针对上述缺陷，一方面，本发明提供一种AI Training数据库的生成方法，该方法生成的AI Training数据库用于COF Film缺陷的检测，可以替代人员肉眼的判定，节省人力成本，同时提高检测站点产能。

技术方案是：一种AI Training数据库的生成方法，该AI Training数据库用于人工智能检测COF Film缺陷，该生成方法包括以下步骤：

S11，将图像集人工区分标识为OK图像和NG图像；

S12，将S1已区分开的OK图像和NG图像作为Training材料读入AI TrainingServer学习；

S13，形成Training数据库V0；

S14，将S11所用的每一张图像作为检验图像；

S15，将检验图像交由学习后的AI Training Server判定，人工对AI TrainingServer判定结果复判，将复判结果分为AI判定正确和AI判定错误；

S16，将S15中AI判定错误的图像再次作为Training材料，读入AI TrainingServer学习，形成Training数据库V1；

S17，将S15中AI判定错误的每一张图像作为检验图像再次作为检验图像交由再次学习后的AI Training Server判定，再次人工对AI Training Server判定结果复判，将复判结果再次分为AI判定正确和AI判定错误；

S18，重复S16和S17，重复验证AI Training Server准确检出率，直至AI TrainingServer判断完全准确，最后形成AI Training数据库。