[发明专利]用于对制造缺陷进行分类的系统和方法

说明书

本发明涉及用于对制造缺陷进行分类的系统和方法。用训练数据集训练第一机器学习模型，并且从训练数据集中识别满足标准的数据样本。训练第二机器学习模型以学习数据样本的特征。当接收到包括第一产品数据和第二产品数据的输入数据集时，调用第二机器学习模型以用于基于所学习的数据样本的特征预测第一产品数据的置信度和第二产品数据的置信度。响应于预测第一产品数据的置信度和第二产品数据的置信度，从输入数据集中去除第一产品数据并且调用第一机器学习模型以用于基于第二产品数据生成分类。

相关申请的交叉引用

本申请要求于2021年4月23日提交的题为“用于识别制造显示图像缺陷类型的高效单阶段置信过滤模型”的美国临时申请第63/179,111号的优先权和权益，其全部内容通过引用并入本文。本申请还与于2021年4月1日提交的题为“利用基于两阶段拒绝的方法识别制造显示图像缺陷类型”的美国临时申请第63/169,621号和于2021年5月3日提交的题为“用于识别制造缺陷的系统和方法”的美国申请第17/306,737号相关，两者的内容通过引用并入本文。

技术领域

根据本公开的实施例的一个或多个方面涉及分类器，并且更具体地，涉及过滤掉低置信数据样本的、用于识别制造缺陷的机器学习(ML)分类器。

背景技术

近年来，移动显示产业已经迅速发展。随着新型显示面板模块和生产方法的部署，仅使用传统机制已经更难以检查表面缺陷。期望采用人工智能(AI)来自动预测制造的显示面板模块是否是故障的。事实上，期望采用AI来预测在其他硬件产品而不仅是显示面板模块中的缺陷。

在本背景技术部分中公开的以上信息仅用于增强对本公开的背景的理解，并且因此，它可能包含不构成现有技术的信息。

发明内容

本公开的实施例针对一种用于对制造缺陷进行分类的方法。用训练数据集训练第一机器学习模型，并且从训练数据集中识别满足标准的数据样本。训练第二机器学习模型以学习数据样本的特征。当接收到包括第一产品数据和第二产品数据的输入数据集时，调用第二机器学习模型以用于基于所学习的数据样本的特征预测第一产品数据的置信度和第二产品数据的置信度。响应于预测第一产品数据的置信度和第二产品数据的置信度，从输入数据集中去除第一产品数据并且调用第一机器学习模型以用于基于第二产品数据生成分类。

根据一个实施例，标准是低于设定阈值的置信度水平。

根据一个实施例，第一产品数据与低于设定阈值的置信度水平相关联，并且第二产品数据与高于设定阈值的置信度水平相关联。

根据一个实施例，训练第二机器学习模型包括基于所学习的数据样本的特征调用监督学习。

根据一个实施例，训练第二机器学习模型进一步包括识别用于将具有数据样本的特征的数据与其他数据分开的决策边界。

根据一个实施例，用于对制造缺陷进行分类的方法进一步包括基于调整阈值来调整决策边界。

根据一个实施例，用于对制造缺陷进行分类的方法进一步包括基于分类生成信号，其中，信号用于触发动作。

本公开的实施例进一步针对一种用于对制造缺陷进行分类的系统。该系统包括处理器以及存储器。存储器具有存储在其中的指令，指令当由处理器执行时，使处理器：用训练数据集训练第一机器学习模型；从训练数据集中识别满足标准的数据样本；训练第二机器学习模型以学习数据样本的特征；接收包括第一产品数据和第二产品数据的输入数据集；调用第二机器学习模型以用于基于所学习的数据样本的特征预测第一产品数据的置信度和第二产品数据的置信度；以及响应于预测第一产品数据的置信度和第二产品数据的置信度，从输入数据集中去除第一产品数据并且调用第一机器学习模型以用于基于第二产品数据生成分类。