一种基于稳定性的导电粒子检测深度学习网络模型的评价方法

本发明涉及一种基于稳定性的导电粒子检测深度学习网络模型的评价方法，可克服现有导电粒子检测方法的评价指标中存在的各种弊端，结合粒子检任务特点：需要对导电粒子计数，将导电粒子数量的波动加入评价指标中；考虑检测方法的稳定性评价：除了常用的模型方法评价指标外，还考虑相同环境条件下采集到的不同图像的检测结果的差异，用图像差异性指标SSIM比较同组检测结果图像的差异；包括以下步骤：步骤1，获取从工业生产线的TFT‑LCD面板上截取得到的导电粒子区域图像，和通过训练好的深度学习网络预测得到的检测结果图像，以及人工标注的标准结果图像；步骤2，计算基于稳定性的评价指标：可重复性和可再现性；步骤3，汇总比较不同网络模型的评价结果。