[發明專利]一種缺陷圖像快速分類模型的構建方法及系統

在審

• 申請號: 202010213005.8
• 申請日: 2020-03-24
• 公開（公告）號: CN111563179A
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 林宇;黃旭東
• 申請（專利權）人: 維庫（廈門）信息技術有限公司
• 主分類號: G06F16/55
• 分類號: G06F16/55;G06K9/62;G06N3/08
• 代理公司: 福州市鼓樓區京華專利事務所(普通合伙) 35212
• 代理人: 林云嬌

本發明提供一種缺陷圖像快速分類模型的構建方法及系統，方法包括：通過終端批量打開待分類的圖片文件，并顯示；通過一初始模型文件對一圖片文件進行推理得到缺陷目標結果，所述缺陷目標結果包括圖片的ROI框、類別號以及類別名稱信息；通過專業人員對缺陷目標結果進行糾錯；重復步驟2至3，將所有的圖片文件進行推理以及糾錯，之后將糾錯好的圖片文件根據ROI框裁剪，得到裁剪圖片、ROI坐標信息、類別號以及類別名稱信息；根據上述數據進行深度神經網絡模型訓練，得到訓練模型文件；實現了圖像自動糾錯的自動化，保證百分百正確。

技術領域

本發明涉及計算機技術領域，特別涉及一種缺陷圖像快速分類模型的構建方法及系統。

背景技術

現有的技術中有圖像自動的糾錯，而這種的方式其準確度很低，導致這種方式是不可靠的，在自動糾錯之后，還需要進行人工的檢查，因此其效率是很低的，無法實現真正的自動化。

發明內容

本發明要解決的技術問題，在于提供一種缺陷圖像快速分類模型的構建方法及系統，實現了圖像自動糾錯的自動化，保證百分百正確。

第一方面，本發明提供了一種缺陷圖像快速分類模型的構建方法，包括：

步驟1、通過終端批量打開待分類的圖片文件，并顯示；

步驟2、通過一初始模型文件對一圖片文件進行推理得到缺陷目標結果，所述缺陷目標結果包括圖片的ROI框、類別號以及類別名稱信息；

步驟3、通過專業人員對缺陷目標結果進行糾錯；

步驟4、重復步驟2至3，將所有的圖片文件進行推理以及糾錯，之后將糾錯好的圖片文件根據ROI框裁剪，得到裁剪圖片、ROI坐標信息、類別號以及類別名稱信息；

步驟5、根據步驟4中的數據進行深度神經網絡模型訓練，得到訓練模型文件；

步驟6、終端批量打開新的圖像文件并顯示在文件列表區域；通過所述訓練模型文件對所有的新的圖形文件進行推理，得到推理結果；并由專業人員進行糾錯，得到糾錯后的圖片、ROI坐標信息、類別號以及類別名稱信息，進行深度神經網絡模型訓練得到新的訓練模型文件；

步驟7、之后通過新的訓練模型文件重復所述步驟6，直至新的訓練模型文件推理得到100％正確的推理結果。

進一步地，所述深度神經網絡模型包括：Mask-RCNN。

進一步地，所述終端包括PC機以及手機。

第二方面，本發明提供了一種缺陷圖像快速分類模型的構建系統，包括：

顯示模塊，通過終端批量打開待分類的圖片文件，并顯示；

推理模塊，通過一初始模型文件對一圖片文件進行推理得到缺陷目標結果，所述缺陷目標結果包括圖片的ROI框、類別號以及類別名稱信息；

糾錯模塊，通過專業人員對缺陷目標結果進行糾錯；

處理模塊，重復推理模塊及糾錯模塊，將所有的圖片文件進行推理以及糾錯，之后將糾錯好的圖片文件根據ROI框裁剪，得到裁剪圖片、ROI坐標信息、類別號以及類別名稱信息；

訓練模塊，根據處理模塊中的數據進行深度神經網絡模型訓練，得到訓練模型文件；

重構建模塊，終端批量打開新的圖像文件并顯示在文件列表區域；通過所述訓練模型文件對所有的新的圖形文件進行推理，得到推理結果；并由專業人員進行糾錯，得到糾錯后的圖片、ROI坐標信息、類別號以及類別名稱信息，進行深度神經網絡模型訓練得到新的訓練模型文件；

構建完成模塊，之后通過新的訓練模型文件重復所述重構建模塊，直至新的訓練模型文件推理得到100％正確的推理結果。