[發(fā)明專利]缺陷識別模型訓練方法、裝置、計算機設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910012264.1
• 申請日: 2019-01-07
• 公開（公告）號: CN109829483B
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計）人: 何德裕
• 申請（專利權(quán)）人: 魯班嫡系機器人（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 李文淵

1.一種缺陷識別模型訓練方法，其特征在于，所述方法包括：

獲取樣本圖像訓練數(shù)據(jù)；

確定所述樣本圖像訓練數(shù)據(jù)對應(yīng)的輔助數(shù)據(jù)類型；

獲取各輔助數(shù)據(jù)類型分別對應(yīng)的樣本數(shù)據(jù)地址；

根據(jù)所述樣本數(shù)據(jù)地址分別提取預處理圖像數(shù)據(jù)、無缺產(chǎn)品圖像數(shù)據(jù)和光照變換圖像數(shù)據(jù)中的至少一種；

以所述預處理圖像數(shù)據(jù)、所述無缺產(chǎn)品圖像數(shù)據(jù)和所述光照變換圖像數(shù)據(jù)中的至少一種，作為各種輔助樣本圖像數(shù)據(jù)；

以所述樣本圖像訓練數(shù)據(jù)和所述輔助樣本圖像數(shù)據(jù)，構(gòu)建訓練樣本集；

根據(jù)所述訓練樣本集對初始模型進行訓練，得到缺陷識別模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述以所述樣本圖像訓練數(shù)據(jù)和所述輔助樣本圖像數(shù)據(jù)，構(gòu)建訓練樣本集包括：

以所述樣本圖像訓練數(shù)據(jù)作為第一組訓練樣本集；

將所述樣本圖像訓練數(shù)據(jù)，分別與所述各種輔助樣本圖像數(shù)據(jù)中的預處理圖像數(shù)據(jù)、無缺產(chǎn)品圖像數(shù)據(jù)和光照變換圖像數(shù)據(jù)進行組合，得到第二組訓練樣本集、第三組訓練樣本集和第四組訓練樣本集。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述訓練樣本集對初始模型進行訓練，得到缺陷識別模型包括：

分別根據(jù)每組訓練樣本集對各初始模型進行訓練,得到多個缺陷預判模型；

根據(jù)所述多個缺陷預判模型構(gòu)建缺陷識別模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述分別根據(jù)每組訓練樣本集對各初始模型進行訓練,得到多個缺陷預判模型包括：

對于每組訓練樣本集，提取所述訓練樣本集中的模型輸入數(shù)據(jù)和缺陷標注數(shù)據(jù)；

將所述模型輸入數(shù)據(jù)輸入對應(yīng)的初始模型，得到所述初始模型輸出的缺陷預測結(jié)果；

根據(jù)所述缺陷預測結(jié)果與所述缺陷標注數(shù)據(jù)，確定預測誤差；

根據(jù)所述預測誤差對所述初始模型進行調(diào)整，直至所述預測誤差滿足訓練停止條件，得到所述訓練樣本集對應(yīng)的缺陷預判模型。

5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述根據(jù)所述多個缺陷預判模型構(gòu)建缺陷識別模型之后，還包括：

獲取待檢測產(chǎn)品的產(chǎn)品圖像數(shù)據(jù)；

將所述產(chǎn)品圖像數(shù)據(jù)輸入所述缺陷識別模型；

獲取所述缺陷識別模型中各缺陷預判模型分別輸出的缺陷預判結(jié)果；

根據(jù)獲取到的缺陷預判結(jié)果確定缺陷識別結(jié)果。

6.一種缺陷識別模型訓練裝置，其特征在于，所述裝置包括：

數(shù)據(jù)獲取模塊，用于獲取樣本圖像訓練數(shù)據(jù)；

輔助獲取模塊，用于確定所述樣本圖像訓練數(shù)據(jù)對應(yīng)的輔助數(shù)據(jù)類型；獲取各輔助數(shù)據(jù)類型分別對應(yīng)的樣本數(shù)據(jù)地址；根據(jù)所述樣本數(shù)據(jù)地址分別提取預處理圖像數(shù)據(jù)、無缺產(chǎn)品圖像數(shù)據(jù)和光照變換圖像數(shù)據(jù)中的至少一種；以所述預處理圖像數(shù)據(jù)、所述無缺產(chǎn)品圖像數(shù)據(jù)和所述光照變換圖像數(shù)據(jù)中的至少一種，作為各種輔助樣本圖像數(shù)據(jù)；

樣本集構(gòu)建模塊，用于以所述樣本圖像訓練數(shù)據(jù)和所述輔助樣本圖像數(shù)據(jù)，構(gòu)建訓練樣本集；

模型得到模塊，用于根據(jù)所述訓練樣本集對初始模型進行訓練，得到缺陷識別模型。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述樣本集構(gòu)建模塊還用于以所述樣本圖像訓練數(shù)據(jù)作為第一組訓練樣本集；將所述樣本圖像訓練數(shù)據(jù)，分別與所述各種輔助樣本圖像數(shù)據(jù)中的預處理圖像數(shù)據(jù)、無缺產(chǎn)品圖像數(shù)據(jù)和光照變換圖像數(shù)據(jù)進行組合，得到第二組訓練樣本集、第三組訓練樣本集和第四組訓練樣本集。

8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述模型得到模塊還用于分別根據(jù)每組訓練樣本集對各初始模型進行訓練,得到多個缺陷預判模型；根據(jù)多個缺陷預判模型構(gòu)建缺陷識別模型。

9.一種計算機設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至5中任一項所述方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至5中任一項所述的方法的步驟。