[发明专利]一种基于机器学习的手机振动马达良次品检测方法

说明书

本发明公开了一种基于机器学习的手机振动马达良次品检测方法，其技术方案要点是，包括以下步骤：（1）检测信号数据集收集；（2）检测信号数据清洗及特征提取；（3）模型训练及参数调整；（4）模型训练发布及在线分类；本发明旨在提供一种基于机器学习的手机振动马达良次品检测方法，能够使手机振动马达质量保持一致性，同时满足产量与质量的需求。

技术领域

本发明涉及手机元器件质量检测领域，更具体地说，它涉及一种基于机器学习的手机振动马达良次品检测方法。

背景技术

手机振动马达作为目前手机行业的标配，其质量直接影响到上游客户成品的合格率、手机自身产品的口碑，乃至用户对手机的体验感。但在实际的生产过程中，振动马达在经过工厂检测系统检测之后，检测到的一维电平信号将通过信号采集系统直接接入到示波器，由人工进行良次品判断及分类。人工良次品分类的准确度直接受限于人工经验及工人操作时的专注度、责任心，人因差错率极高。各条生产线及不同班次的产品质量波动会比较大，很难同时满足手机制造商对供应链的质量和产量的需求；其次，在振动马达良次品的判断标准上，由于各个振动马达的波形不可能完全一致，其良品和次品的区分范围往往在一定范围内波动，很难有一个非常准确的量化标准和严格的阈值规则来进行判断。

因此，需要提出一种新的技术方案来解决这个问题。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于机器学习的手机振动马达良次品检测方法，能够使手机振动马达质量保持一致性，同时满足产量与质量的需求。

为实现上述目的，本发明提供了如下技术方案：1. 一种基于机器学习的手机振动马达良次品检测方法，包括以下步骤：

（1）检测信号数据集收集：从实际的生产线上收集手机振动马达的检测信号样本集合，所述检测信号样本包括等比例的正品信号数据样本与次品信号数据样本，且所述次品信号数据样本按次品原因呈等比例分布；

（2）检测信号数据清洗及特征提取：对步骤（1）中的检测信号样本集合进行数据清洗并进行特征设计，通过对次品良品的波形的数据分析，设计如下波形的特征集合：

a)检测信号上拉须数量特征；

b)检测信号上拉须平均幅度；

c)检测信号下拉须数量；

d)检测信号下拉须平均幅度；

e)检测信号上升沿数量；

f)检测信号下降沿数量；

g)检测信号上升沿平均高度；

h)检测信号下降沿平均高度；

i)检测信号平均上沿宽度；

j)检测信号平均下沿宽度；

k)检测信号上拉须占比；

l)检测信号下拉须占比；

（3）模型训练及参数调整：提取步骤（2）中的特征集合，输入到机器学习模型中进行正负样本的分类学习，得到训练完成的信号检测分类模型；

（4）模型训练发布及在线分类：将步骤（3）中训练完成的信号检测分类模型，发布到线上预测系统，线上预测系统将采集收到的信号，通过步骤（2）中的特征提取方法，转换为信号特征数据，并将最终的信号特征集合输入到在线预估模型，得到信号良品、次品的分类结果。

进一步设置，步骤（1）中的检测信号样本从至少两条生产线上按等比例采样获取。

进一步设置，在步骤（1）中，所述次品信号数据样本的类型按次品原因包括无头、拉须、斜边和长短。