一种基于强化学习的智能产线CCD缺陷检测方法

本发明公开了一种基于强化学习的智能产线CCD缺陷检测方法，包括如下步骤：S1、通过CCD相机采集图像数据并预处理；S2、提取图像边缘、纹理和空间特征，并编码构建特征矩阵；S3、构建Dreamer算法模型，并预测潜在状态轨迹和对应的奖励序列；S4、采用MAP‑Elites算法构建特征空间，并将初始策略样本集映射至各个子区域；S5、构建并行训练环境，基于A3C算法对策略进行异步评估和更新，并对潜在状态轨迹进行缺陷判定；S6、收集缺陷差异信息，更新网络参数；S7、重新进行预测，重复步骤S4‑S6，直到满足预设条件并输出检测结果。本发明提高了检测精度与效率，减少了人工干预，提升了生产自动化水平。