[发明专利]产品缺陷检测数据处理方法、装置、系统和设备有效

专利信息
申请号: 201910844469.6 申请日: 2019-09-06
公开(公告)号: CN110554047B 公开(公告)日: 2021-07-02
发明(设计)人: 沈小勇;张文杰;刘刚 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G01N21/88 分类号: G01N21/88;G01N21/01;G06K9/62;G06N3/08
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 陈小娜
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 产品 缺陷 检测 数据处理 方法 装置 系统 设备
【说明书】:

本申请涉及一种产品缺陷检测数据处理方法、装置、系统和设备,所述方法包括:接收产品缺陷检测模型生成请求,所述产品缺陷检测模型生成请求携带模型训练参数,所述模型训练参数根据用户的参数配置操作确定,所述模型训练参数包括缺陷学习类别或者训练图片信息中的至少一种;根据所述模型训练参数获取对应的训练图片以及获取所述训练图片对应的缺陷类别,得到训练样本;根据所述训练样本进行模型训练,生成目标缺陷检测模型,所述目标缺陷检测模型用于根据待测产品对应的待测图片对所述待测产品进行缺陷检测,得到所述待测产品的缺陷检测结果。上述方法得到的模型,产品缺陷检测效率高以及灵活性高。

技术领域

本申请涉及产品检测领域,特别是涉及产品缺陷检测数据处理方法、装置、系统和设备。

背景技术

产品质量是制造业最为重视的生产指标之一,为了保证产品质量,在产品生产过程中对产品进行缺陷检测成为不可或缺的工序。例如,在摄像头生产车间,需要将生产过程中产生的有缺陷的摄像头挑选出来,避免有缺陷的摄像头直接流入到下一工序中。

目前,在对产品进行缺陷检测时,依赖于技术工人进行肉眼识别,人工识别存在个人对缺陷检测标准的理解差异和疲劳等因素,导致缺陷识别效率低。

发明内容

基于此,有必要针对上述缺陷识别效率低的问题,提供一种产品缺陷检测数据处理方法、装置、系统和设备。

一方面,提供了一种产品缺陷检测数据处理方法,所述方法包括:接收产品缺陷检测模型生成请求,所述产品缺陷检测模型生成请求携带模型训练参数,所述模型训练参数根据用户的参数配置操作确定,所述模型训练参数包括缺陷学习类别或者训练图片信息中的至少一种;根据所述模型训练参数获取对应的训练图片以及获取所述训练图片对应的缺陷类别,得到训练样本;根据所述训练样本进行模型训练,生成目标缺陷检测模型,所述目标缺陷检测模型用于根据待测产品对应的待测图片对所述待测产品进行缺陷检测,得到所述待测产品的缺陷检测结果。

一方面,提供了一种产品缺陷检测数据处理系统,所述系统包括:模型训练节点,接收产品缺陷检测模型生成请求,所述产品缺陷检测模型生成请求携带模型训练参数,根据所述模型训练参数获取对应的训练图片以及获取所述训练图片对应的缺陷类别,得到训练样本,根据所述训练样本进行模型训练,生成目标缺陷检测模型,所述模型训练参数根据用户的参数配置操作确定,所述模型训练参数包括缺陷学习类别或者训练图片信息中的至少一种;产品缺陷检测节点,根据产品缺陷检测任务获取待测产品对应的待测图片,将所述待测图片到所述目标缺陷检测模型中,得到所述待测产品的缺陷检测结果。

一方面,提供了一种产品缺陷检测数据处理装置,所述装置包括:生成请求接收模块,用于接收产品缺陷检测模型生成请求,所述产品缺陷检测模型生成请求携带模型训练参数,所述模型训练参数根据用户的参数配置操作确定,所述模型训练参数包括缺陷学习类别或者训练图片信息中的至少一种;训练样本得到模块,用于根据所述模型训练参数获取对应的训练图片以及获取所述训练图片对应的缺陷类别,得到训练样本;模型训练模块,用于根据所述训练样本进行模型训练,生成目标缺陷检测模型,所述目标缺陷检测模型用于根据待测产品对应的待测图片对所述待测产品进行缺陷检测,得到所述待测产品的缺陷检测结果。

在一些实施例中,所述模型训练参数包括缺陷学习类别,所述训练样本得到模块用于:获取所述缺陷学习类别对应的训练图片以及各个所述训练图片分别对应的缺陷类别,得到训练样本,其中,所述目标缺陷检测模型将所述缺陷学习类别作为候选缺陷类别,根据所述待测图片从所述候选缺陷类别中筛选得到所述待测产品的目标缺陷类别。

在一些实施例中,所述产品缺陷检测模型生成请求还携带模型对应的产品相关信息,所述装置还包括:对应关系建立模块,用于根据所述模型对应的产品相关信息建立所述目标缺陷检测模型与产品相关信息的对应关系。

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/201910844469.6/2.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