[发明专利]PCB缺陷检测模型的评估方法、评估装置及训练方法

权利要求书

1.一种PCB缺陷检测模型的评估方法，用于评估被预先训练的缺陷检测模型对PCB图像的缺陷预测能力，所述缺陷检测模型对PCB图像的缺陷预测结果包括缺陷类型及相应的概率值，其特征在于，评估方法包括：

预先建立测试图像集，其包括多个测试图像，每个测试图像具有缺陷类别标签；

将所述测试图像集中的多个测试图像输入待评估的缺陷检测模型，得到与所述测试图像一一对应的缺陷预测结果；

按照得到的缺陷预测结果中的缺陷类型，对缺陷预测结果进行分类；

按照分类结果，输出并显示被预测为同一缺陷类型的测试图像，且各个测试图像的缺陷类别标签及对应的缺陷预测结果中的概率值被配置为可查看；

根据测试图像的缺陷类别标签及分类结果，以评估所述缺陷检测模型识别各种缺陷类型的能力，并比较同一分类下的测试图像对应的概率值，以评估所述缺陷检测模型识别该类缺陷的收敛度。

2.根据权利要求1所述的PCB缺陷检测模型的评估方法，其特征在于，根据测试图像的缺陷类别标签及分类结果，计算分类正确率，若所述分类正确率低于预设的正确率阈值，则所述缺陷检测模型识别该类缺陷的能力不合格；或者，

若同一分类下的测试图像对应的概率值的最大值与最小值的差值大于预设的差异阈值，或者，若同一分类下的测试图像对应的概率值的方差大于预设的方差阈值，则所述缺陷检测模型识别该类缺陷的收敛度不合格。

3.根据权利要求1所述的PCB缺陷检测模型的评估方法，其特征在于，还包括：若评估结果不合格，则对所述缺陷检测模型 进行再训练，且所述缺陷检测模型将学习注意力集中在识别能力或收敛度不合格的该类缺陷上。

4.根据权利要求1所述的PCB缺陷检测模型的评估方法，其特征在于，在所述缺陷检测模型识别该类缺陷的收敛度合格的情况下，根据该分类下的测试图像对应的概率值以及预设的规则，确定用于界定真实缺陷和误报缺陷的分界分值。

5.根据权利要求4所述的PCB缺陷检测模型的评估方法，其特征在于，所述用于界定真实缺陷和误报缺陷的分界分值通过以下方式确定：

查找该分类下的测试图像对应的概率值的最小值，以该最小值与预设的差异阈值作运算，得到所述分界分值；或者，

计算该分类下的测试图像对应的概率值的平均值，以该平均值与预设的差异阈值作运算，得到所述分界分值；或者，

对该分类下的测试图像对应的概率值的平均值进行排序，排除前若干个概率值和后若干个概率值，计算剩余的概率值的平均值，以该剩余的概率值的平均值与预设的差异阈值作运算，得到所述分界分值；

其中，所述预设的差异阈值为正数、负数或零。

6.根据权利要求1所述的PCB缺陷检测模型的评估方法，其特征在于，所述各个测试图像的缺陷类别标签及对应的缺陷预测结果中的概率值被配置为可查看的方式为：

所述缺陷预测结果中的概率值被显示在对应的测试图像上的局部区域；

所述测试图像的缺陷类别标签被配置为显示在受触发而出现的弹窗内，所述弹窗的触发操作包括单击对应的测试图像、多击对应的测试图像、右键点击对应的测试图像、光标停留在对应的测试图像上中的一种或多种。

7.一种PCB缺陷检测模型的评估装置，其特征在于，包括以下模块：

测试样本模块，其被配置为建立测试图像集，其包括多个测试图像，每个测试图像具有缺陷类别标签；

预测模块，其被配置为将所述测试图像集中的多个测试图像输入待评估的缺陷检测模型，得到与所述测试图像一一对应的缺陷预测结果；

分类模块，其被配置为按照所述预测模块的缺陷预测结果中的缺陷类型，对缺陷预测结果进行分类；

显示模块，其被配置为按照所述分类模块的分类结果，输出并显示被预测为同一缺陷类型的测试图像，且能够显示各个测试图像的缺陷类别标签及对应的缺陷预测结果中的概率值；

识别能力评估模块，其被配置为根据测试图像的缺陷类别标签及分类结果，以评估所述缺陷检测模型识别各种缺陷类型的能力；

收敛度评估模块，其被配置为比较同一分类下的测试图像对应的概率值，以评估所述缺陷检测模型识别该类缺陷的收敛度。