[发明专利]损耗检测模型训练方法、损耗检测方法及装置

权利要求书

1.一种损耗检测模型训练方法，其特征在于，包括步骤：

获取智能设备外观图像；

为所述智能设备外观图像标注损耗类别，以建立外观图像数据集；

利用所述外观图像数据集建立深度神经网络，以训练可用于检测智能设备外观损耗的损耗检测模型。

2.根据权利要求1所述的损耗检测模型训练方法，其特征在于，所述为所述智能设备外观图像标注损耗类别，以建立外观图像数据集的过程，包括步骤：

以各损耗类别均分的比例选取待建立数据集的智能设备外观图像；

在所述待建立数据集的智能设备外观图像确定训练集与测试集的比例，以确定所述外观图像数据集。

3.根据权利要求2所述的损耗检测模型训练方法，其特征在于，所述损耗类别包括划痕、掉漆和外爆。

4.根据权利要求2所述的损耗检测模型训练方法，其特征在于，所述训练集与测试集的比例为9:1。

5.根据权利要求1至4任意一项所述的损耗检测模型训练方法，其特征在于，所述深度神经网络包括YOLO神经网络。

6.根据权利要求5所述的损耗检测模型训练方法，其特征在于，所述利用所述外观图像数据集建立深度神经网络，以训练可用于检测智能设备外观的损耗类别的损耗检测模型的过程，包括步骤：

根据损耗类别的数量确定深度神经网络的过滤器个数；

将所述外观图像数据集内的图像大小修改为步长的下采样次数次方的倍数；

修改冲量大小、池化算法以及重设损失函数和学习率；

增加用于检测外观损耗的预测层，以确定最优权重的损耗检测模型。

7.根据权利要求5所述的损耗检测模型训练方法，其特征在于，所述YOLO神经网络包括YOLOV3神经网络或YOLOV5神经网络。

8.一种损耗检测模型训练装置，其特征在于，包括：

图像获取模块，用于获取智能设备外观图像；

数据集建立模块，用于为所述智能设备外观图像标注损耗类别，以建立外观图像数据集；

模型训练模块，用于利用所述外观图像数据集建立深度神经网络，以训练可用于检测智能设备外观损耗的损耗检测模型。

9.一种损耗检测方法，其特征在于，包括步骤：

获取待测外观图像；其中，所述待测外观图像为待测智能设备的外观图像；

根据损耗检测模型对所述待测外观图像进行损耗类别概率预测；

根据损耗类别概率，确定待测智能设备的外观损耗程度。

10.一种损耗检测装置，其特征在于，包括：

待测图像获取模块，用于获取待测外观图像；其中，所述待测外观图像为待测智能设备的外观图像；

概率预测模块，用于根据损耗检测模型对所述待测外观图像进行损耗类别概率预测；

损耗确定模块，用于根据损耗类别概率，确定待测智能设备的损耗程度。