[发明专利]模型训练方法、装置及缺陷检测方法、装置

说明书

本申请提供一种模型训练方法及装置，方法包括：获取多帧带标签的训练样本，所述标签至少包括第一标签和第二标签，所述第一标签用于记录训练样本中被标记的第一区域为易误检区域，所述第二标签用于记录训练样本中被标记的第二区域为存在缺陷的区域；利用各带标签的训练样本和各训练样本中第一区域的位置信息、第二区域的位置信息，训练出用于检测缺陷的检测模型。通过增加易误检区域的标签，在训练模型时可以根据增加的易误检区域的标签和位置加强对误检区域特征的学习，降低检测模型的误检率，提升检测模型的检出准确度。

技术领域

本申请涉及一种计算机技术领域，尤其涉及一种模型训练方法、装置及缺陷检测方法、装置。

背景技术

在工业生产中，需要对生产出的产品进行缺陷检测(ASI，Automated SurfaceInspection)。比如，在纺织业生产出布匹后，需要检测布匹中是否存在瑕疵或缺陷，便于及时修补，提高布匹质量。传统的缺陷检测方法虽然有多种，但要么检测效果不佳，要么计算量大，效率低。

目前通过采用基于深度学习的神经网络进行缺陷检测，然而检测误检率比较高。

发明内容

有鉴于此，本申请提供一种缺陷检测方法及装置，以解决相关技术中的检测误检率比较高的问题。

根据本申请实施例的第一方面，提供一种模型训练方法，所述方法包括：

获取多帧带标签的训练样本，所述标签至少包括第一标签和第二标签，所述第一标签用于记录训练样本中被标记的第一区域为易误检区域，所述第二标签用于记录训练样本中被标记的第二区域为存在缺陷的区域；

利用各带标签的训练样本和各训练样本中第一区域的位置信息、第二区域的位置信息，训练出用于检测缺陷的检测模型。

根据本申请实施例的第二方面，提供一种模型训练装置，所述装置包括：

获取模块，用于获取多帧带标签的训练样本，所述标签至少包括第一标签和第二标签，所述第一标签用于记录训练样本中被标记的第一区域为易误检区域，所述第二标签用于记录训练样本中被标记的第二区域为存在缺陷的区域；

训练模块，用于利用各带标签的训练样本和各训练样本中第一区域的位置信息、第二区域的位置信息，训练出用于检测缺陷的检测模型。

应用本申请实施例，在训练检测模型时，通过增加易误检区域的标签，以根据增加的易误检区域的标签和位置信息加强对误检区域特征的学习，从而达到降低检测模型的误检率，提升检测模型检出准确度的目的。

根据本申请实施例的第三方面，提供一种应用如上述第一方面所述检测模型的缺陷检测方法，所述方法包括：

将待检测目标图输入检测模型，以由所述检测模型对所述待检测目标图进行检测，得到所述待检测目标图中每一像素点的目标缺陷概率值；

依据所述待检测目标图中各个像素点的目标缺陷概率值确定所述待检测目标图中是否存在缺陷区域。

根据本申请实施例的第四方面，提供一种应用如上述第一方面所述检测模型的缺陷检测装置，所述装置包括：

检测模块，用于将待检测目标图输入检测模型，以由所述检测模型对所述待检测目标图进行检测，得到所述待检测目标图中每一像素点的目标缺陷概率值；

确定模块，用于依据所述待检测目标图中各个像素点的目标缺陷概率值确定所述待检测目标图中是否存在缺陷区域。

应用本申请实施例，由于进行缺陷检测的模型是由增加了易误检区域的标签的训练样本训练得到的，易误检区域的标签和位置信息能够加强对误检区域特征的学习，因此通过该检测模型实现的缺陷检测误检率低，检出准确度高。

根据本申请实施例的第五方面，提供一种缺陷检测样本的获取方法，所述方法包括：