平整度预测方法、平整度预测装置及电子设备与流程

本发明涉及平整度检测，尤其涉及一种平整度预测方法、平整度预测装置及电子设备。

背景技术：

1、消费电子产品中的玻璃盖板（cover glass，简称cg）的生产流程主要依次包括以下工序：cnc（computerized numerical control，计算机数控）工序、精雕工序、化学加压工序、非对称反磨工序和镀膜工序。其中，cnc工序用于雕刻玻璃的整体外形轮廓；精雕工序用于对麦克风孔等功能性结构进行精细加工；化学加压工序用于通过离子交换在玻璃表面形成压应力层，提升玻璃的机械强度；非对称反磨工序用于在镀膜前施加反向吸力，补偿镀膜过程中因吸力导致的凸面变形；镀膜工序用于在玻璃表面镀制光学薄膜，提高光学性能与触控体验。

2、在上述镀膜工序完成后需对玻璃的颜色、平整度、透射率等指标进行检测。现有相关技术中，平整度检测通常设置于生产流程末端，即在镀膜工序完成后采用激光干涉仪或接触式探针进行人工抽检。人工抽检时，为了保证不合格品的高召回率（即不合格品具有较高检出率），往往需要较高的采样率，从而导致人力成本高和检测设备投入成本高，而且即使在较高采样率的情况下，不合格品的召回率（ng recall）的提升也相当有限。因此，如何实现一种在较低采样率的条件下，不合格品的高召回率的玻璃平整度检测是目前亟待解决的技术问题。

技术实现思路

1、本发明提供一种平整度预测方法、平整度预测装置及电子设备，用以解决现有平整度检测方案中难以在较低采样率的条件下，达到较高的平整度不合格品的召回率的技术问题。

2、本发明第一方面提供一种平整度预测方法，包括以下步骤：

3、获取待加工工件在镀膜工序前的特征参数集，以及加工设备的设备参数集，特征参数集包括：在镀膜工序前的至少一个加工工序后的特征参数；

4、将特征参数集和设备参数集输入第一平整度预测模型，得到第一平整度预测模型输出的待加工工件平整度不合格的概率；

5、在待加工工件平整度不合格的概率大于预设概率阈值的情况下，确定待加工工件为待检测工件，以用于后续平整度检测；

6、其中，第一平整度预测模型是基于特征参数集样本、设备参数集样本以及对应的工件样本的平整度是否合格标签训练得到的，预设概率阈值是基于第一平整度预测模型在训练完成后的不合格产品召回率和合格产品召回率确定的。

7、根据本发明提供的一种平整度预测方法，在将特征参数集和设备参数集输入第一平整度预测模型之前，还包括：

8、基于特征参数集中的单个特征参数进行特征扩展运算，得到扩展特征参数，和/或，基于特征参数集中不同加工工序对应的具有相关性的特征参数进行跨工序的特征扩展运算，得到扩展特征参数；

9、将所有扩展特征参数合并至特征参数集。

10、根据本发明提供的一种平整度预测方法，在镀膜工序前的至少一加工工序包括：化学加压工序和非对称反磨工序，特征参数集包括：化学加压工序后的第一特征参数子集和非对称反磨工序后的第二特征参数子集；

11、第一特征参数子集包括：待加工工件的表面压应力和压应力层深度；

12、第二特征参数子集包括：待加工工件上各预设厚度测量点位在非对称反磨前后的厚度差，以及各预设平面度测量点位在非对称反磨后的高度值；

13、基于特征参数集中的单个特征参数进行特征扩展运算，得到扩展特征参数，包括：按以下至少之一的方式扩展：

14、对相邻预设平面度测量点位对应的高度值做差分运算，并采用各预设平面度测量点位到中心点位的距离对各预设平面度测量点位的高度值进行加权，得到包括高度差值和加权高度值的扩展特征参数；

15、对特征参数集中的每个特征参数按对应的待加工盖板玻璃的所在加工设备的调试时间扩展特征权重参数；

16、基于各预设平面度测量点位的高度值，扩展得到包括反映整体弯曲程度、扭曲变形程度、翘曲变形方向和/或局部翘曲程度的扩展特征参数；

17、基于各预设平面度测量点位的高度值按不同镜像方向划分得到的两组平面度测量点位的高度值的平均值之差，扩展得到包括至少一镜像方向的镜像偏差的扩展特征参数；

18、基于各预设平面度测量点位的最大高度值和最小高度值做差，得到包括最大不对称点位偏差的扩展特征参数；

19、基于特征参数集中不同加工工序对应的具有相关性的特征参数进行跨工序的特征扩展运算，得到扩展特征参数，包括：按以下至少之一的方式扩展：

20、计算表面压应力与厚度差的平均值的比值，得到包括比值的跨工序的扩展特征参数；

21、计算压应力层深度与厚度差的标准差的乘积，得到包括乘积的跨工序的扩展特征参数。

22、根据本发明提供的一种平整度预测方法，各预设平面度测量点位基于如下方式确定：

23、获取工件样本经过平面度测量设备测量得到的m个原始点位的高度测量值，m大于0；

24、以m个原始点位的高度测量值为样本数据，以平整度检测结果为标签训练第二平整度预测模型；

25、在第二平整度预测模型训练完成后，对输出的各原始点位的特征重要性权重按由大到小排序，选择重要性权重最大的前m个原始点位作为预设平面度测量点位，m大于0且小于m。

26、根据本发明提供的一种平整度预测方法，第一平整度预测模型为二分类模型，以不合格为正类标签，合格为负类标签，训练方式如下：

27、将任一工件样本的特征参数集样本和设备参数集样本输入第一平整度预测模型，第一平整度预测模型对输入的任一工件样本进行多轮迭代拟合，以输出不合格预测概率；

28、将输出的不合格预测概率和平整度是否合格标签代入损失函数，损失函数收敛时，模型训练完成。

29、根据本发明提供的一种平整度预测方法，第一平整度预测模型对输入的任一工件样本进行多轮迭代拟合过程中，基于任一工件样本的生产时刻和样本类别生成样本权重，使得在时间上离当前时刻越近的工件样本对应的样本权重越大，且同一时间批次的各工件样本中，不合格的正样本的样本权重大于合格的负样本的样本权重。

30、根据本发明提供的一种平整度预测方法，损失函数基于二分类损失项和物理一致性约束惩罚项按预设惩罚项系数加权求和得到；

31、对于任一工件样本，对应的特征参数集样本中应力层体积能量与所有样本的应力层体积能量均值的第一差值超过所有样本的应力层体积能量的标准差的预设倍数时，以第一差值与所有样本的应力层体积能量的标准差的预设倍数的第二差值确定物理一致性约束惩罚项。

32、根据本发明提供的一种平整度预测方法，在将任一工件样本的特征参数集样本和设备参数集样本输入第一平整度预测模型之前，还包括：

33、将所有工件样本的特征参数集样本按不同工序分组，基于任一工序的特征参数集样本的近期标准差和历史基准标准差，确定与任一工序对应的稳定性指数，近期标准差为距当前时刻预设时段内的任一工序的特征参数集样本的标准差，历史基准标准差为任一工序在历史稳定运行期间的特征参数集样本的标准差；

34、将任一工件样本的特征参数集样本和设备参数集样本输入第一平整度预测模型，在第一平整度预测模型对输入的任一工件样本进行多轮迭代拟合过程中还包括：

35、基于稳定性指数和对应的预设放大系数计算任一工序的特征参数集样本的关注度权重。

36、根据本发明提供的一种平整度预测方法，预设概率阈值确定方式如下：

37、在[0.0，1.0]的区间内搜索，找到使不合格的正类样本的第一召回率最接近预设召回率的候选概率阈值，并记录与第一召回率相对应的合格的负类样本的第二召回率；

38、在第二召回率位于负类样本的预设召回率区间内的情况下，确定候选概率阈值为预设概率阈值；

39、在第二召回率小于负类样本的预设召回率区间下限值的情况下，增大候选概率阈值，在候选概率阈值增大至第二召回率回升到下限值时，将增大的候选概率阈值确定为预设概率阈值；

40、在第二召回率大于负类样本的预设召回率区间上限值的情况下，降低候选概率阈值，在候选概率阈值降低至第二召回率回调到上限值时，将降低的候选概率阈值确定为预设概率阈值。

41、根据本发明提供的一种平整度预测方法，还包括：

42、在第一平整度预测模型训练完成后，间隔预设周期，以周期内的特征参数集和设备参数集为样本，以及对应的平整度检测是否合格的结果为标签定期训练并更新第一平整度预测模型；

43、在更新第一平整度预测模型后，还包括：

44、监测到待加工工件累计总数大于第一数量阈值，且被第一平整度预测模型预测为不合格产品的数量与待加工工件累计总数的比例大于预设采样率上限的情况下，将更新的第一平整度预测模型回滚至次新版本的第一平整度预测模型；

45、监测到待加工工件累计总数大于第二数量阈值，且被第一平整度预测模型预测为不合格产品的数量与待加工工件累计总数的比例小于预设采样率下限的情况下，重新确定预设概率阈值。

46、本发明第二方面提供一种平整度预测装置，包括：

47、数据获取模块，用于获取待加工工件在镀膜工序前的特征参数集，以及加工设备的设备参数集，特征参数集包括：在镀膜工序前的至少一个加工工序后的特征参数；

48、模型执行模块，用于将特征参数集和设备参数集输入第一平整度预测模型，得到第一平整度预测模型输出的待加工工件平整度不合格的概率；

49、待检测工件确定模块，用于在待加工工件平整度不合格的概率大于预设概率阈值的情况下，确定待加工工件为待检测工件，以用于后续平整度检测；

50、其中，第一平整度预测模型是基于特征参数集样本、设备参数集样本以及对应的工件样本的平整度是否合格标签训练得到的，预设概率阈值是基于第一平整度预测模型在训练完成后的不合格产品召回率和合格产品召回率确定的。

51、本发明第三方面提供一种电子设备，包括处理器、通信接口、存储器和通信总线，处理器、通信接口、存储器通过通信总线完成相互间的通信，处理器可调用存储器中的逻辑指令，以执行第一方面所述的平整度预测方法。

52、本发明提供的平整度预测方法、平整度预测装置及电子设备，通过待加工工件在镀膜工序前的特征参数集以及加工设备的设备参数集，基于训练好的第一平整度预测模型能够准确地预测待加工工件的平整度是否为不合格产品的概率，再根据预设概率阈值筛选出待检测工件，实现了在人工平整度检测前对待加工工件的提前预警；由于预设概率阈值是基于不合格产品召回率和合格产品召回率设置的，使得按预设概率阈值筛选出的平整度不合格的待加工工件的数量占一个生产批次待加工工件总数的比例，即后续人工平整度检测时的采样率相对较小，而且由于第一平整度预测模型能够准确地预测平整度是否合格的概率，因此，能保证在预测的平整度不合格的待加工工件中有占比较大的待加工工件是真正不合格产品，即保证了较高的不合格产品召回率，从而有利于在后续人工平整度检测时，在较低采样率的情况下，检测的不合格产品具有较高的召回率。