本申请涉及电子制造，特别是涉及缺陷成因识别方法、缺陷成因识别装置和设备。
背景技术：
1、在电子制造行业中，通常采用自动光学检测系统(automated opticalinspection，简称为aoi)，通过高分辨率的相机和图像处理算法，检测电子组件或光伏组件表面的缺陷和错误。其中，aoi系统往往用于实现对组件的缺陷检测，由于制造过程中的复杂性和多样性，aoi系统无法提供组件的缺陷产生成因。
2、因此，目前对缺陷成因的分析，往往需要现场操作人员，通过采用试错方法，逐一检测各站点的问题，以确定缺陷成因。因此，目前对的缺陷成因分析的人力成本较高且效率较低。
3、针对相关技术中存在缺陷成因分析的人力成本高且效率较低的问题，目前还没有提出有效的解决方案。
技术实现思路
1、在本实施例中提供了一种缺陷成因识别方法、缺陷成因识别装置和设备，以解决相关技术中存在缺陷成因分析的人力成本高且效率较低的问题。
2、第一个方面，在本实施例中提供了一种缺陷成因识别方法，包括：
3、基于光学检测确定检测对象的工艺缺陷信息；
4、根据预先构建的规则库中的缺陷统计规则，对所述工艺缺陷信息进行统计，得到第一统计结果；
5、利用预先构建的推理引擎，至少将所述第一统计结果与所述规则库进行成因分析规则匹配，基于匹配结果确定所述检测对象的缺陷成因。
6、在其中的一些实施例中，所述根据预先构建的规则库中的缺陷统计规则，对所述工艺缺陷信息进行统计，得到第一统计结果，包括：
7、根据预先构建的规则库中的缺陷统计规则，对所述工艺缺陷信息进行统计，至少得到预设周期内的缺陷发生频率、缺陷所属设备、缺陷发生部件以及缺陷分布状态，得到所述第一统计结果。
8、在其中的一些实施例中，所述利用预先构建的推理引擎，至少将所述第一统计结果与所述规则库进行成因分析规则匹配，基于匹配结果确定所述检测对象的缺陷成因，包括：
9、获取所述检测对象的运行信息；
10、基于预设的数理统计规则，对所述运行信息进行统计，得到第二统计结果；
11、利用预先构建的所述推理引擎，根据所述第一统计结果和所述第二统计结果，从所述规则库中匹配成因分析规则，基于匹配结果确定所述检测对象的缺陷成因。
12、在其中的一些实施例中，所述运行信息包括传感数据和运行操作数据。
13、在其中的一些实施例中，所述利用预先构建的推理引擎，至少将所述第一统计结果与所述规则库进行成因分析规则匹配，基于匹配结果确定所述检测对象的缺陷成因，包括：
14、利用预先构建的所述推理引擎，至少将所述第一统计结果与所述规则库进行成因分析规则匹配，得到匹配结果；
15、在所述匹配结果指示匹配到成因分析规则的情况下，基于匹配到的成因分析规则，确定所述检测对象的缺陷成因。
16、在其中的一些实施例中，所述方法还包括：
17、在所述匹配结果指示未匹配到所述成因分析规则的情况下，根据所述规则库中各成因分析规则的优先级，从所述规则库中筛选出优先级最高的成因分析规则，作为目标成因分析规则；
18、根据所述目标成因分析规则，确定所述检测对象的缺陷成因。
19、在其中的一些实施例中，所述方法还包括：
20、基于关联的交互界面，输出所述检测对象的缺陷成因。
21、在其中的一些实施例中，所述方法还包括：
22、基于所述交互界面，接收针对所输出的缺陷成因的反馈信息；
23、根据所述反馈信息，更新所述规则库。
24、第二个方面，在本实施例中提供了一种缺陷成因识别装置，包括：检测模块、统计模块以及分析模块；其中：
25、所述检测模块，用于基于光学检测确定检测对象的工艺缺陷信息；
26、所述统计模块，用于根据预先构建的规则库中的缺陷统计规则，对所述工艺缺陷信息进行统计，得到第一统计结果；
27、所述分析模块，用于利用预先构建的推理引擎，至少将所述第一统计结果与所述规则库进行成因分析规则匹配，基于匹配结果确定所述检测对象的缺陷成因。
28、第三个方面，在本实施例中提供了一种缺陷成因识别设备，包括光学检测系统和专家系统；其中：所述专家系统包括预先构建的规则库和推理引擎；
29、所述光学检测系统用于基于光学检测确定检测对象的工艺缺陷信息；
30、所述专家系统用于根据所述规则库中的缺陷统计规则，对所述工艺缺陷信息进行统计，得到第一统计结果；以及，利用所述推理引擎，至少将所述第一统计结果与所述规则库进行成因分析规则匹配，基于匹配结果确定所述检测对象的缺陷成因。
31、与相关技术相比，在本实施例中提供了缺陷成因识别方法、缺陷成因识别装置和设备，其中的缺陷成因识别方法，首先基于光学检测确定检测对象的工艺缺陷信息；之后，根据预先构建的规则库中的缺陷统计规则，对工艺缺陷信息进行统计，得到第一统计结果；最后，利用预先构建的推理引擎，至少将第一统计结果与规则库进行成因分析规则匹配，基于匹配结果确定检测对象的缺陷成因。其能够利用规则库和推理引擎构成的专家系统，基于光学检测与专家系统的结合，针对检测到的工艺缺陷进行进一步的成因分析，从而能够实现对缺陷成因的识别，进而节省人力成本并提高成因识别的效率。
32、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
1.一种缺陷成因识别方法，其特征在于，包括：
2.根据权利要求1所述的缺陷成因识别方法，其特征在于，所述根据预先构建的规则库中的缺陷统计规则，对所述工艺缺陷信息进行统计，得到第一统计结果，包括：
3.根据权利要求1所述的缺陷成因识别方法，其特征在于，所述利用预先构建的推理引擎，至少将所述第一统计结果与所述规则库进行成因分析规则匹配，基于匹配结果确定所述检测对象的缺陷成因，包括：
4.根据权利要求3所述的缺陷成因识别方法，其特征在于，所述运行信息包括传感数据和运行操作数据。
5.根据权利要求1或3所述的缺陷成因识别方法，其特征在于，所述利用预先构建的推理引擎，至少将所述第一统计结果与所述规则库进行成因分析规则匹配，基于匹配结果确定所述检测对象的缺陷成因，包括：
6.根据权利要求5所述的缺陷成因识别方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的缺陷成因识别方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的缺陷成因识别方法，其特征在于，所述方法还包括：
9.一种缺陷成因识别装置，其特征在于，包括：检测模块、统计模块以及分析模块；其中：
10.一种缺陷成因识别设备，其特征在于，包括光学检测系统和专家系统；其中：所述专家系统包括预先构建的规则库和推理引擎；
