[发明专利]物体缺陷识别模型训练方法、装置、电子设备和存储介质在审

专利信息
申请号: 202110023482.2 申请日: 2021-01-08
公开(公告)号: CN112836724A 公开(公告)日: 2021-05-25
发明(设计)人: 蔡蓉;李廷 申请(专利权)人: 重庆创通联智物联网有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N5/02
代理公司: 北京市隆安律师事务所 11323 代理人: 权鲜枝;何健
地址: 401336 重庆市南岸区玉马*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 物体 缺陷 识别 模型 训练 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种物体缺陷识别模型训练方法,其特征在于,由物体缺陷识别模型训练系统执行,所述方法包括:

通过图像采集模块采集物体的训练样本图像,所述训练样本图像包括有缺陷图像和无缺陷图像;

通过图像标注模块对所述有缺陷图像进行标注,得到标注图像;

根据所述无缺陷图像和所述标注图像,通过模型训练模块训练物体缺陷识别模型,得到训练后的物体缺陷识别模型;

通过无线通信模块,将训练后的物体缺陷识别模型发送至产线系统,以使所述产线系统根据训练后的物体缺陷识别模型进行物体缺陷识别;

其中,所述图像采集模块、所述图像标注模块、所述模型训练模块和所述无线通信模块均通过模块化封装在所述物体缺陷识别模型训练系统中。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

通过图像数据导入模块导入测试样本图像;

通过图像预处理模块,对所述测试样本图像进行预处理,得到预处理图像;

通过模型测试模块,将所述预处理图像输入训练后的物体缺陷识别模型进行测试,得到测试结果;

若测试结果通过,则执行通过无线通信模块,将训练后的物体缺陷识别模型发送至产线系统的步骤;

其中,所述图像数据导入模块、所述图像预处理模块和所述模型测试模块均通过模块化封装在所述物体缺陷识别模型训练系统中。

3.根据权利要求2所述的方法,其特征在于,所述模型测试模块包括图像处理子模块、缺陷分割子模块和缺陷分类子模块,所述通过模型测试模块,将所述预处理图像输入训练后的物体缺陷识别模型进行测试,得到测试结果包括:

通过所述图像处理子模块对所述预处理图像进行缺陷特征提取,得到所述预处理图像中的缺陷区域;

通过所述缺陷分割子模块将所述缺陷区域从所述预处理图像中分割出来,得到缺陷区域图像;

通过所述缺陷分类子模块对所述缺陷区域图像进行分类,得到缺陷分类结果。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

通过所述无线通信模块接收物体缺陷识别模型训练任务;

根据所述物体缺陷识别模型训练任务,执行通过图像采集模块采集物体的训练样本图像的步骤。

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

通过交互模块接收所述物体缺陷识别模型的配置信息。

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

通过可视化模块监控所述物体缺陷识别模型的训练状态;

根据监控到的训练状态,确定是否通过消息推送模块发送提醒消息。

7.根据权利要求2所述的方法,其特征在于,所述方法还包括:

通过结构化输出模块将所述测试结果导出。

8.根据权利要求1所述的方法,其特征在于,所述方法还包括:

通过所述无线通信模块接收所述产线系统反馈的物体缺陷识别结果,并将所述物体缺陷识别结果上报给所述模型训练模块,所述物体缺陷识别结果包括异常图像;

根据所述异常图像,通过所述模型训练模块对所述物体缺陷识别模型进行优化。

9.一种物体缺陷识别模型训练装置,其特征在于,由物体缺陷识别模型训练系统执行,所述装置包括:

图像采集单元,用于通过图像采集模块采集物体的训练样本图像,所述训练样本图像包括有缺陷图像和无缺陷图像;

图像标注单元,用于通过图像标注模块对所述有缺陷图像进行标注,得到标注图像;

模型训练单元,用于根据所述无缺陷图像和所述标注图像,通过模型训练模块训练物体缺陷识别模型,得到训练后的物体缺陷识别模型;

无线通信单元,用于通过无线通信模块,将训练后的物体缺陷识别模型发送至产线系统,以使所述产线系统根据训练后的物体缺陷识别模型进行物体缺陷识别;

其中,所述图像采集模块、所述图像标注模块、所述模型训练模块和所述无线通信模块均通过模块化封装在所述物体缺陷识别模型训练系统中。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆创通联智物联网有限公司,未经重庆创通联智物联网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110023482.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top