[發明專利]缺陷識別模型訓練方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201910012264.1
• 申請日: 2019-01-07
• 公開（公告）號: CN109829483B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 何德裕
• 申請（專利權）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: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 李文淵

本申請涉及一種缺陷識別模型訓練方法、裝置、計算機設備和存儲介質。所述方法包括：獲取樣本圖像訓練數據；獲取與所述樣本圖像訓練數據對應的輔助樣本圖像數據；以所述樣本圖像訓練數據和所述輔助樣本圖像數據，構建訓練樣本集；根據所述訓練樣本集對初始模型進行訓練，得到缺陷識別模型。在訓練時，通過輸入與樣本圖像訓練數據對應的輔助樣本圖像數據，無需額外對樣本圖像訓練數據提取特征數據，減少了模型訓練時提取特征數據所耗費的時間，提高了模型的訓練效率。

技術領域

本申請涉及計算機技術領域，特別是涉及一種缺陷識別模型訓練方法、裝置、計算機設備和存儲介質。

背景技術

隨著計算機技術的發展，出現了機器學習技術，通過建立模型、提供訓練數據進行模型訓練，利用訓練后的模型對未知數據進行預測。機器學習可以廣泛地應用于品質檢測領域，建立的缺陷識別模型對包含缺陷的產品的圖像進行學習，并通過產品的圖像進行產品缺陷檢測。產品可以為各種類型；產品的材質可以包括各種類型的材質，比如金屬、塑料和玻璃等；缺陷的種類可以包括各種類型，比如缺少、多余、氣泡、劃痕和形狀不符合規則等。

然而，傳統的機器學習技術中，在對缺陷識別模型進行訓練時需要輸入大量的訓練數據樣本，缺陷識別模型又需要從訓練樣本數據中提取大量的特征數據，導致缺陷識別模型的訓練時間較長，效率較低。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高模型訓練效率的缺陷識別模型訓練方法、裝置、計算機設備和存儲介質。

一種缺陷識別模型訓練方法，所述方法包括：

獲取樣本圖像訓練數據；

獲取與所述樣本圖像訓練數據對應的輔助樣本圖像數據；

以所述樣本圖像訓練數據和所述輔助樣本圖像數據，構建訓練樣本集；

根據所述訓練樣本集對初始模型進行訓練，得到缺陷識別模型。

一種缺陷識別模型訓練裝置，所述裝置包括：

數據獲取模塊，用于獲取樣本圖像訓練數據；

輔助獲取模塊，用于獲取與所述樣本圖像訓練數據對應的輔助樣本圖像數據；

樣本集構建模塊，用于以所述樣本圖像訓練數據和所述輔助樣本圖像數據，構建訓練樣本集；

模型得到模塊，用于根據所述訓練樣本集對初始模型進行訓練，得到缺陷識別模型。

一種計算機設備，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，所述處理器執行所述計算機程序時實現以下步驟：

獲取樣本圖像訓練數據；

獲取與所述樣本圖像訓練數據對應的輔助樣本圖像數據；

以所述樣本圖像訓練數據和所述輔助樣本圖像數據，構建訓練樣本集；

根據所述訓練樣本集對初始模型進行訓練，得到缺陷識別模型。

一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現以下步驟：

獲取樣本圖像訓練數據；

獲取與所述樣本圖像訓練數據對應的輔助樣本圖像數據；

以所述樣本圖像訓練數據和所述輔助樣本圖像數據，構建訓練樣本集；

根據所述訓練樣本集對初始模型進行訓練，得到缺陷識別模型。