[發明專利]物體缺陷識別模型訓練方法、裝置、電子設備和存儲介質

在審

• 申請號: 202110023482.2
• 申請日: 2021-01-08
• 公開（公告）號: CN112836724A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 蔡蓉;李廷
• 申請（專利權）人: 重慶創通聯智物聯網有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N5/02
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝;何健

本申請公開了一種物體缺陷識別模型訓練方法、裝置及電子設備、存儲介質，該方法由物體缺陷識別模型訓練系統執行，該方法包括：通過圖像采集模塊采集物體的訓練樣本圖像，包括有缺陷圖像和無缺陷圖像；通過圖像標注模塊對有缺陷圖像進行標注，得到標注圖像；根據無缺陷圖像和標注圖像，通過模型訓練模塊訓練物體缺陷識別模型；通過無線通信模塊，將訓練后的物體缺陷識別模型發送至產線系統，以使產線系統進行物體缺陷識別；上述各模塊均通過模塊化封裝在物體缺陷識別模型訓練系統中。本申請將模型在開發和應用過程所需的多種功能進行了模塊化封裝，實現了模型的復用和快速迭代，增加了模型的可擴展性，同時還能夠自動提取和標注缺陷，效率更高。

技術領域

本申請涉及機器視覺技術領域，具體涉及一種物體缺陷識別模型訓練方法、裝置、電子設備和存儲介質。

背景技術

隨著我國工業自動化和智能化的升級改造，目前在質檢領域，仍有很多企業通過有經驗的質檢人員來判斷工件或產品是否合格，然而這種方式需要依靠質檢人員的主觀判斷，存在效率低、成本高、容易漏檢誤檢等問題。

近幾年人工智能的快速興起和發展，使得機器視覺技術在質檢領域得到了更多應用，現有的基于機器視覺對工件等物體進行缺陷識別時主要采用碎片化的識別算法開發模式，然而這種方式效率低下，無法做到有效復用，極大限制了其擴展性，難以形成較大的市場規模。

發明內容

鑒于上述問題，提出了本申請以便提供一種克服上述問題或者至少部分地解決上述問題的物體缺陷識別模型訓練方法、裝置、電子設備和存儲介質。

依據本申請的第一方面，提供了一種物體缺陷識別模型訓練方法，由物體缺陷識別模型訓練系統執行，所述方法包括：

通過圖像采集模塊采集物體的訓練樣本圖像，所述訓練樣本圖像包括有缺陷圖像和無缺陷圖像；

通過圖像標注模塊對所述有缺陷圖像進行標注，得到標注圖像；

根據所述無缺陷圖像和所述標注圖像，通過模型訓練模塊訓練物體缺陷識別模型，得到訓練后的物體缺陷識別模型；

通過無線通信模塊，將訓練后的物體缺陷識別模型發送至產線系統，以使所述產線系統根據訓練后的物體缺陷識別模型進行物體缺陷識別；

其中，所述圖像采集模塊、所述圖像標注模塊、所述模型訓練模塊和所述無線通信模塊均通過模塊化封裝在所述物體缺陷識別模型訓練系統中。

可選地，所述方法還包括：

通過圖像數據導入模塊導入測試樣本圖像；

通過圖像預處理模塊，對所述測試樣本圖像進行預處理，得到預處理圖像；

通過模型測試模塊，將所述預處理圖像輸入訓練后的物體缺陷識別模型進行測試，得到測試結果；

若測試結果通過，則執行通過無線通信模塊，將訓練后的物體缺陷識別模型發送至產線系統的步驟；

其中，所述圖像數據導入模塊、所述圖像預處理模塊和所述模型測試模塊均通過模塊化封裝在所述物體缺陷識別模型訓練系統中。

可選地，所述模型測試模塊包括圖像處理子模塊、缺陷分割子模塊和缺陷分類子模塊，所述通過模型測試模塊，將所述預處理圖像輸入訓練后的物體缺陷識別模型進行測試，得到測試結果包括：

通過所述圖像處理子模塊對所述預處理圖像進行缺陷特征提取，得到所述預處理圖像中的缺陷區域；

通過所述缺陷分割子模塊將所述缺陷區域從所述預處理圖像中分割出來，得到缺陷區域圖像；

通過所述缺陷分類子模塊對所述缺陷區域圖像進行分類，得到缺陷分類結果。

可選地，所述方法還包括：