[发明专利]一种布匹瑕疵的检测模型的训练方法、装置、设备及介质

权利要求书

1.一种布匹瑕疵的检测模型的训练方法，其特征在于，包括：

获取含有块状瑕疵的布匹图像集数据；

对所述布匹图像集数据进行处理，得到瑕疵图像集数据；

根据所述瑕疵图像集数据，得到重要性程度数据集；

根据所述瑕疵图像集数据，得到位置回归损失集；

根据所述位置回归损失集与所述重要性程度数据集对检测模型的训练参数进行训练，得到训练好的检测模型。

2.根据权利要求1所述的布匹瑕疵的检测模型的训练方法，其特征在于，所述获取含有块状瑕疵的布匹图像集数据的步骤包括：

获取初始图像集数据；

根据所述初始图像集数据，得到瑕疵信息集数据，其中，所述瑕疵信息集数据包括瑕疵位置坐标集数据和瑕疵类别；

根据所述瑕疵信息集数据，得到相应的瑕疵的面积，并判断所述瑕疵的面积是否小于一个预设的面积阈值，若小于所述面积阈值，则将该所述瑕疵进行保留，若不小于所述面积阈值，则将该所述瑕疵剔除；

根据保留的所述瑕疵，得到含有块状瑕疵的所述布匹图像集数据。

3.根据权利要求1所述的布匹瑕疵的检测模型的训练方法，其特征在于，所述对所述布匹图像集数据进行处理，得到瑕疵图像集数据的步骤包括：

对所述布匹图像集数据进行分块处理，得到多个分块图数据；

判断所述分块图数据内是否包含瑕疵，若包含所述瑕疵，则将该所述分块图数据保留，若不包含所述瑕疵，则将该所述分块图数据剔除；

对保留的所述分块图数据进行集合，得到瑕疵图像集数据。

4.根据权利要求1所述的布匹瑕疵的检测模型的训练方法，其特征在于，所述根据所述瑕疵图像集数据，得到重要性程度数据集的步骤包括：

根据所述瑕疵图像集数据，得到相应的特征向量集数据；

根据所述特征向量集数据，得到相应的全局注意力集数据；

根据所述全局注意力集数据，得到相应的重要性程度数据集。

5.根据权利要求4所述的布匹瑕疵的检测模型的训练方法，其特征在于，所述全局注意力集数据z_c，表示为：，

其中，H表示瑕疵图像集数据的高度，

W表示瑕疵图像集数据的宽度，

u_c为卷积后的结果，

c为卷积层的通道数，

所述重要性程度数据集s表示为：，

其中，表示relu激活函数，

表示sigmoid激活函数，

W₁、W₂表示不同的全连接操作。

6.根据权利要求1所述的布匹瑕疵的检测模型的训练方法，其特征在于，所述根据所述瑕疵图像集数据，得到位置回归损失集的步骤包括：

对所述瑕疵图像集数据进行处理，得到网格集数据；

根据所述网格集数据，得到相应的预测值数据集；

根据所述瑕疵位置坐标集数据与所述预测值数据集，得到所述位置回归损失集。