[发明专利]木材缺陷样本获取方法、装置、电子设备及存储介质

说明书

本公开实施例公开了一种木材缺陷样本获取方法、装置、电子设备及存储介质。方法包括：获取合格木材样本数据；根据合格木材样本数据获取已有缺陷特征图像；所述已有缺陷特征图像为从已有缺陷木材样本数据库中得到的；将所述已有缺陷特征图像和所述合格木材样本数据合成得到与所述合格木材样本数据的木材类别相同的缺陷木材样本数据。通过这种方式，在人工智能模型的训练初期，克服了由于缺陷木材样本的缺失，导致训练出来的人工智能模型无法识别木材缺陷以及识别精度低下的问题，并且简化了缺陷木材样本数据的获取方式，节省了成本。

技术领域

本公开涉及人工智能技术领域，具体涉及一种木材缺陷样本获取方法、装置、电子设备及计算机可读存储介质。

背景技术

木材工厂需要对木材进行品质检测，包括样本质量等级和缺陷样本识别。从初期的人工视觉检测，到机器视觉检测，再到如今的机器学习检测，每一个新的阶段相比前一个旧的阶段，在性能或效率上都有提高。机器学习检测需要先对神经网络进行训练，训练后的模型再用于检测。神经网络训练需要带有标记分类数据的训练样本。样本数据一般由木材工厂采集木材图像，由标注人员进行分类标注获得。

然而，一般在木材加工厂中，能获得的木材合格样本很多，缺陷样本很少，样本的不平衡分布使得缺陷样本并不容易获得，这样训练出的神经网络只能识别合格木材，而对缺陷木材识别能力不高或精度不高。此外，不同种类木材的合格样本特征不同，不能直接将一个其他种类的识别模型移植到一个新的木材种类或产品之中。因此，需要一种木材缺陷样本合成方法，利用现有资源可以合成充足的工厂所需木材种类的缺陷样本，进而用于加快用于一个新的木材产品或品种识别的神经网络训练。

发明内容

本公开实施例提供一种木材缺陷样本获取方法、装置、电子设备及计算机可读存储介质。

第一方面，本公开实施例中提供了一种木材缺陷样本获取方法,包括：

获取合格木材样本数据；

根据合格木材样本数据获取已有缺陷特征图像；所述已有缺陷特征图像为从已有缺陷木材样本数据库中得到的；

将所述已有缺陷特征图像和所述合格木材样本数据合成得到与所述合格木材样本数据的木材类别相同的缺陷木材样本数据。

可选地，根据合格木材样本数据获取已有缺陷特征图像，包括：

在所述已有缺陷木材样本数据库中，与所述合格木材样本数据的木材类别相同的第一已有缺陷木材样本数据的个数小于等于第一预设阈值时，从所述已有缺陷木材样本数据库中获得与所述合格木材样本数据的木材类别不同的第二已有缺陷木材样本数据；

从所述第二已有缺陷木材样本数据中提取所述已有缺陷特征图像。

可选地，所述方法还包括：

在所述已有缺陷木材样本数据库中，与所述合格木材样本数据的木材类别相同的第一已有缺陷木材样本数据的个数大于第一预设阈值时，将所述第一已有缺陷木材样本数据作为所述缺陷木材样本数据。

可选地，所述合格木材样本数据包括合格木材样本图像及标注数据；将所述已有缺陷特征图像和所述合格木材样本数据合成得到与所述合格木材样本数据的木材类别相同的缺陷木材样本数据，包括：

将所述已有缺陷特征图像的部分或全部覆盖在所述合格木材样本图像的预设区域上，得到与所述合格木材样本数据的木材类别相同的缺陷木材样本数据。

可选地，所述方法还包括：

调节合成后所述已有缺陷特征图像的交界区域的纹理特征，使得所述交界区域的纹理特征与所述已有缺陷特征图像的纹理特征和/或所述合格木材样本的纹理特征差别小于第二预设阈值。

可选地，调节合成后所述已有缺陷特征图像的交界区域的纹理特征，包括：