[發明專利]用于缺陷檢測的模型確定方法、裝置和設備

在審

• 申請號: 202110778844.9
• 申請日: 2021-07-09
• 公開（公告）號: CN113284141A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 郭世澤;呂東東;鄭增強;汪九州;李丁柯;趙言德;歐昌東;劉榮華
• 申請（專利權）人: 武漢精創電子技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 武漢智權專利代理事務所(特殊普通合伙) 42225
• 代理人: 張凱

本發明公開了本發明提供一種用于缺陷檢測的模型確定方法、裝置和計算機設備，通過獲取第一驗證樣本集；將所述第一驗證樣本集輸入多個預置模型，獲得各個所述預置模型的模型評價指標值；若所述模型評價指標值達到預置閾值，則確定對應的預置模型為目標模型；若所述模型評價指標值未達到預置閾值，則從多個所述預置模型中確定優選模型，并根據所述優選模型的檢測結果更新所述第一驗證樣本集，從而對所述優選模型進行模型迭代，確定為目標模型，實現在從多個模型中，確定符合樣本集的目標模型，并且，可以通過輸入單個樣本的相關信息快速查看該樣本的標注缺陷標簽和推斷缺陷標簽。

技術領域

本發明涉及模型優選技術領域，尤其涉及一種用于缺陷檢測的模型確定方法、裝置和計算機設備。

背景技術

隨著人工智能高潮，機器學習和深度學習已經應用到生活、工業中，但隨著市場需求，通過機器學習或深度學習訓練神經網絡模型，導致神經網絡模型越來越多，例如，圖像缺陷檢測模型。但多個圖像缺陷檢測模型之間存在著差異，無法在多個圖像缺陷檢測模型中找到最符合樣本集的圖像缺陷檢測模型。

發明內容

本發明的主要目的在于提供一種用于缺陷檢測的模型確定方法、裝置和計算機設備，旨在現有的多個圖像缺陷檢測模型之間存在著差異，無法在多個圖像缺陷檢測模型中找到最符合樣本集的圖像缺陷檢測模型的技術問題。

第一方面，本發明提供一種用于缺陷檢測的模型確定方法，所述方法包括以下步驟：

獲取第一驗證樣本集；

將所述第一驗證樣本集輸入多個預置模型，獲得各個所述預置模型的模型評價指標值；

若所述模型評價指標值達到預置閾值，則確定對應的預置模型為目標模型；

若所述模型評價指標值未達到預置閾值，則從多個所述預置模型中確定優選模型，并根據所述優選模型的檢測結果更新所述第一驗證樣本集，從而對所述優選模型進行模型迭代，確定為目標模型。

可選的，對所述優選模型進行模型迭代，包括：

實時檢測所述第一驗證樣本集是否滿足預置條件；

若確定所述第一驗證樣本集滿足所述預置條件，則根據當前的所述第一驗證樣本集更新所述優選模型。

可選的，確定為目標模型之后，還包括：

獲取第二樣本集；

基于所述目標模型和所述第二樣本集，獲取第二樣本集的缺陷檢測結果；

基于所述第二樣本集的缺陷檢測結果更新所述第一驗證樣本集。

可選的，基于所述第二樣本集的缺陷檢測結果更新所述第一驗證樣本集之后，還包括：根據當前的所述第一驗證樣本集更新所述目標模型。

可選的，所述檢測結果包括過檢信息、漏檢信息、錯檢信息中的至少一種，根據所述過檢信息、漏檢信息和/或錯檢信息增加和/或減少所述第一驗證樣本集中的樣本數據。

可選的，所述檢測結果包括總符合率、總過檢率、總漏檢率中的一種或者多種。

可選的，所述模型評價指標值為MAP值和/或總符合率。

可選的，所述檢測結果，包括：輸入單個樣本的相關信息，根據所述單個樣本的相關信息查看該樣本的標注缺陷標簽和推斷缺陷標簽。

第二方面，本發明還提供一種用于缺陷檢測的模型確定裝置，所述裝置包括：

第一獲取模塊，用于獲取第一驗證樣本集；

第二獲取模塊，用于將所述第一驗證樣本集輸入多個預置模型，獲得各個所述預置模型的模型評價指標值；

確定模塊，用于若所述模型評價指標值達到預置閾值，則確定對應的預置模型為目標模型；