一种AI视觉检测结果复用的质量判定方法及系统与流程

摘要: 本发明涉及工业数据处理领域,特别涉及为一种ai视觉检测结果复用的质量判定方法及系统。背景技术:1、随着工业智能制造的发展,越来越多生产设备通过部署ai视觉检测模...
一种AI视觉检测结果复用的质量判定方法及系统与流程

本发明涉及工业数据处理领域,特别涉及为一种ai视觉检测结果复用的质量判定方法及系统。

背景技术:

1、随着工业智能制造的发展,越来越多生产设备通过部署ai视觉检测模型实现产品缺陷识别、尺寸检测以及外观质量判定。在实际生产过程中,为提高检测效率,通常会将ai模型输出的检测结果进行缓存,并应用于后续批次检测、工艺分析、质量追溯或者不同检测任务的数据复用。例如,ai模型完成一次产品表面缺陷检测后,会输出缺陷位置、类别、置信度、区域特征等检测结果,后续系统可以直接利用该检测结果进行质量统计或工艺调整,无需再次执行完整图像推理过程。

2、然而,现有ai视觉检测系统通常默认ai输出结果具有稳定可信性,仅依据模型推理时产生的置信度或者简单阈值判断是否采用检测结果,缺少针对检测结果复用场景的质量评价机制。一方面,由于生产环境中的光照变化、设备振动、镜头污染、产品批次差异以及工艺状态变化等因素,会导致同一ai模型在不同时间、不同检测环境下产生不同程度的识别偏移,使历史检测结果在再次利用时可能存在可信度下降的问题;另一方面,现有技术通常关注单次检测准确性,而忽略检测结果在跨时间、跨产品、跨检测任务复用过程中的有效性判断,导致部分已经失效或者质量降低的ai检测结果仍被系统继续调用,造成错误质量判定。

技术实现思路

1、本发明旨在解决在不重新执行完整ai推理过程的情况下,对已有检测结果的可靠程度、适用范围以及复用价值进行动态评价,从而筛选满足质量要求的检测结果用于后续处理的问题,提供一种ai视觉检测结果复用的质量判定方法及系统。

2、本发明为解决技术问题采用如下技术手段:

3、本发明提供一种ai视觉检测结果复用的质量判定方法,包括:

4、基于预训练的视觉检测模型输出的历史检测结果,将任一次的ai检测结果进行档案建立,生成对应的检测结果描述档案,其中,所述历史检测结果具体包括缺陷类别信息、缺陷区域位置信息、缺陷尺寸信息、检测置信度信息、目标轮廓信息和检测图像的环境状态信息;

5、判断所述检测结果描述档案的检测结果是否存在异常偏移;

6、若是,则获取当前待复用业务对应的场景状态信息,根据所述场景状态信息,计算当前场景与历史检测场景之间的差异程度,依据所述差异程度,采集影响检测结果复用有效性的因素集合,构建所述检测结果的可信评价模型,生成对应的复用质量评价值,其中,所述场景状态信息具体包括当前产品型号、当前生产批次、当前视觉采集设备状态、当前光照条件和当前工艺参数状态;

7、基于所述复用可信评价值,判断所述检测结果是否满足预设的复用条件;

8、若满足,则将所述检测结果标记为可复用状态,根据所述复用可信评价值对应的变化趋势,划分所述检测结果的复用权限范围,限制所述检测结果在各个场景中的调用方式,识别所述检测结果的可信衰减趋势,依据所述可信衰减趋势,将所述检测结果调整为待修正状态,提取影响所述复用可信评价值降低的关键因素,对所述检测结果中的可保留检测特征进行筛选,生成对应的辅助质量判定结果,其中,所述各个场景具体包括产品类型、检测环境和质量判定任务。

9、进一步地,所述获取当前待复用业务对应的场景状态信息,根据所述场景状态信息,计算当前场景与历史检测场景之间的差异程度的步骤中,还包括:

10、从所述场景状态信息中提取当前检测场景变化情况的场景变化特征,将所述场景变化特征与历史检测场景对应的参考状态特征进行关联匹配,构建当前场景与历史检测场景之间的状态映射关系,计算不同场景特征维度之间的变化关联程度,其中,所述场景变化特征具体包括产品属性变化信息、视觉采集条件变化信息、生产流程变化信息和检测任务需求变化信息;

11、判断所述变化关联程度是否超过预设的差异范围;

12、若否,则从所述历史检测结果中获取若干个相同场景的质量表现信息,基于所述质量表现信息,识别所述历史检测结果在不同场景变化条件下的稳定变化规律,根据所述稳定变化规律,采集当前场景变化对历史检测结果有效性的影响方向,生成对应的场景适配偏移量。

13、进一步地,所述依据所述差异程度,采集影响检测结果复用有效性的因素集合,构建所述检测结果的可信评价模型,生成对应的复用质量评价值的步骤前,还包括:

14、获取所述检测结果对应的历史复用记录,基于所述历史复用记录,提取所述检测结果在不同复用场景下的质量反馈变化信息,构建所述检测结果的复用稳定变化轨迹;

15、判断所述复用稳定变化轨迹是否存在可信衰减趋势;

16、若是,则在所述检测结果中标记出预设的复用有效性下降风险,根据所述复用有效性下降风险,采集所述可信衰减趋势产生的关联影响因素,依据所述关键影响因素,动态调整所述可信评价模型中的评价维度,生成对应的复用质量评价值。

17、进一步地,所述将所述检测结果标记为可复用状态,根据所述复用可信评价值对应的变化趋势,划分所述检测结果的复用权限范围,限制所述检测结果在各个场景中的调用方式的步骤中,还包括:

18、基于所述检测结果对应的复用可信评价值变化序列,提取所述检测结果在不同复用周期内的可信参数,根据所述可信参数,采集所述检测结果在不同检测场景之间进行迁移时的适应变化情况,生成对应的场景迁移影响参数,其中,所述可信参数具体包括可信变化方向、可信衰减速率和可信保持周期;

19、依据所述场景迁移影响参数,判断所述检测结果是否具备跨场景复用能力;

20、若是,则获取所述检测结果对应历史调用场景之间的关联关系,划分不同场景之间的可迁移范围,基于所述可迁移范围,建立所述检测结果的调用边界,将满足场景关联要求的检测任务划入允许调用区域,根据不同场景与原始检测条件之间的场景匹配度,动态配置对应的调用权限等级。

21、进一步地,所述判断所述检测结果描述档案的检测结果是否存在异常偏移的步骤中,还包括:

22、获取所述检测结果描述档案中的若干次历史检测记录,提取所述历史检测记录对应的特征信息,基于所述特征信息,采集当前检测结果与历史检测结果之间的稳定关联程度,其中,所述特征信息具体包括检测对象特征、缺陷表现特征和检测输出特征;

23、根据所述稳定关联程度,判断所述检测结果是否满足预设的一致性保持条件;

24、若是,则构建所述检测结果对应的稳定特征集合,依据所述稳定特征集合中不同检测维度的持续保持进度,识别各检测维度对整体检测结果的贡献程度,生成对应的特征稳定贡献信息。

25、进一步地,所述基于所述复用可信评价值,判断所述检测结果是否满足预设的复用条件的步骤中,还包括:

26、基于所述检测结果的评价组成参数,提取影响检测结果复用效果的稳定贡献信息,根据所述稳定贡献信息,获取所述检测结果在不同质量判定环节中的作用程度,生成所述检测结果对应的判定支撑能力,依据所述判定支撑能力,建立所述检测结果与当前质量判定任务之间的作用关联关系;

27、基于所述作用关联关系,判断所述检测结果是否具备持续支撑当前质量判定任务的能力;

28、若是,则根据所述作用关联关系,确定所述检测结果可参与的质量判定层级,依据不同层级的质量判定需求,筛选所述检测结果中具有稳定支撑作用的检测信息,通过所述检测信息之间的作用关系,动态调整所述检测结果参与质量判定时的数据调用比例,其中,所述检测信息具体包括主判定信息和辅助判定信息。

29、进一步地,所述基于预训练的视觉检测模型输出的历史检测结果,将任一次的ai检测结果进行档案建立,生成对应的检测结果描述档案的步骤中,还包括:

30、基于所述检测结果的来源关系,获取不同检测结果产生过程中的关联变化情况,生成对应的检测结果来源描述信息;

31、根据所述检测结果来源描述信息,判断当前ai检测结果是否满足预设的档案建立要求;

32、若是,则依据所述检测结果来源描述信息,对当前ai检测结果中的信息类型进行层级划分,按照不同信息之间的关联关系,将所述检测结果描述结构与对应的检测参数进行绑定,形成具有场景关联能力的检测结果描述档案,提取所述检测结果描述档案中的关键描述节点,建立检测结果后续复用过程中的追踪索引,其中,所述信息类型具体包括检测对象信息、缺陷识别信息和模型输出信息,所述检测参数具体包括检测时间、检测任务和生产状态。

33、本发明还提供ai视觉检测结果复用的质量判定系统,包括:

34、生成模块,用于基于预训练的视觉检测模型输出的历史检测结果,将任一次的ai检测结果进行档案建立,生成对应的检测结果描述档案,其中,所述历史检测结果具体包括缺陷类别信息、缺陷区域位置信息、缺陷尺寸信息、检测置信度信息、目标轮廓信息和检测图像的环境状态信息;

35、判断模块,用于判断所述检测结果描述档案的检测结果是否存在异常偏移;

36、执行模块,用于若是,则获取当前待复用业务对应的场景状态信息,根据所述场景状态信息,计算当前场景与历史检测场景之间的差异程度,依据所述差异程度,采集影响检测结果复用有效性的因素集合,构建所述检测结果的可信评价模型,生成对应的复用质量评价值,其中,所述场景状态信息具体包括当前产品型号、当前生产批次、当前视觉采集设备状态、当前光照条件和当前工艺参数状态;

37、第二判断模块,用于基于所述复用可信评价值,判断所述检测结果是否满足预设的复用条件;

38、第二执行模块,用于若满足,则将所述检测结果标记为可复用状态,根据所述复用可信评价值对应的变化趋势,划分所述检测结果的复用权限范围,限制所述检测结果在各个场景中的调用方式,识别所述检测结果的可信衰减趋势,依据所述可信衰减趋势,将所述检测结果调整为待修正状态,提取影响所述复用可信评价值降低的关键因素,对所述检测结果中的可保留检测特征进行筛选,生成对应的辅助质量判定结果,其中,所述各个场景具体包括产品类型、检测环境和质量判定任务。

39、进一步地,所述执行模块还包括:

40、计算单元,用于从所述场景状态信息中提取当前检测场景变化情况的场景变化特征,将所述场景变化特征与历史检测场景对应的参考状态特征进行关联匹配,构建当前场景与历史检测场景之间的状态映射关系,计算不同场景特征维度之间的变化关联程度,其中,所述场景变化特征具体包括产品属性变化信息、视觉采集条件变化信息、生产流程变化信息和检测任务需求变化信息;

41、判断单元,用于判断所述变化关联程度是否超过预设的差异范围;

42、执行单元,用于若否,则从所述历史检测结果中获取若干个相同场景的质量表现信息,基于所述质量表现信息,识别所述历史检测结果在不同场景变化条件下的稳定变化规律,根据所述稳定变化规律,采集当前场景变化对历史检测结果有效性的影响方向,生成对应的场景适配偏移量。

43、进一步地,还包括:

44、获取模块,用于获取所述检测结果对应的历史复用记录,基于所述历史复用记录,提取所述检测结果在不同复用场景下的质量反馈变化信息,构建所述检测结果的复用稳定变化轨迹;

45、第三判断模块,用于判断所述复用稳定变化轨迹是否存在可信衰减趋势;

46、第三执行模块,用于若是,则在所述检测结果中标记出预设的复用有效性下降风险,根据所述复用有效性下降风险,采集所述可信衰减趋势产生的关联影响因素,依据所述关键影响因素,动态调整所述可信评价模型中的评价维度,生成对应的复用质量评价值。

47、本发明提供了ai视觉检测结果复用的质量判定方法及系统,具有以下有益效果:

48、本发明通过对历史ai视觉检测结果建立检测结果描述档案,将缺陷类别、缺陷区域、缺陷尺寸、检测置信度、目标轮廓以及检测环境状态等多维信息进行关联管理,使已有检测结果具备可追溯、可分析的基础,在无需重新执行完整ai推理过程的情况下,通过检测结果异常偏移分析、当前复用场景差异计算以及影响因素提取,能够动态评估历史检测结果与当前业务需求之间的适配关系,避免因产品状态、设备状态或检测环境变化导致历史结果误用。