[发明专利]基于深度学习模型的箱包品质检测方法、装置及存储介质

权利要求书

1.一种基于深度学习模型的箱包品质检测方法，其特征在于，包括：

预先训练深度学习模型，所述深度学习模型包括多个基于深度学习的评估模型，所述评估模型包括输入层、中间层以及输出层；

获取箱包的品质数据，所述品质数据包括待检测箱包不同位置的图像；

将所述品质数据输入至每个评估模型的输入层，依次经过输入层、中间层以及输出层对所述品质数据进行处理，得到箱包的品质评估值；

所述获取箱包的品质数据，将所述品质数据输入至每个评估模型的输入层，依次经过输入层、中间层以及输出层对所述品质数据进行处理，得到箱包的品质评估值包括：

接收待检测箱包的不同位置的图像，基于所述图像获得箱包各个位置的当前品质数据；

将箱包各个位置的当前品质数据输入至预先训练的多个基于深度学习的评估模型中，其中每个评估模型的参数具有不同的参数梯度；

多个基于深度学习的评估模型分别对所述箱包各个位置的当前品质数据进行处理，生成箱包的多个品质评估值；

基于多个品质评估值得到箱包的机器品质评估值；

箱包为,；将箱包的各个位置的品质数据集合标记为,其中表示箱包的a位置的品质数据，表示箱包的b位置的品质数据，表示箱包的n位置的品质数据；

一个评估模型的各个参数的参数梯度集合记为,其中表示模型对位置a处的参数梯度为，表示模型对位置b处的参数梯度为、表示模型对位置n处的参数梯度为；

还包括如下步骤：

待检测的箱包包括，模型分别对箱包进行成色评估，若∈，则确定出箱包,在各个评估模型的评估集合如下：

选取与当前待检测的箱包对应的一个或多个模型，分别得到多个品质评估值的集合，为；

基于多个品质评估值得到箱包的机器品质评估值包括：

基于以下公式计算机器品质评估值，

其中，k为预设的权重值，n为对箱包对应的评估模型的个数；

在基于多个品质评估值得到箱包的机器品质评估值后，还包括：

接收管理者输入的建议品质评估值，其中建议品质评估值为管理者预先设置方式或随时输入方式中的任意一个或多个；

获取机器品质评估值和建议品质评估值，判断机器品质评估值和建议品质评估值间的差值是否大于预设值；

若大于预设值，则对所述评估模型的参数梯度进行改变再次对箱包的机器成色进行评估获得二次机器品质评估值；

重复上述的步骤，直至机器品质评估值和建议品质评估值之间的差值小于预设值；

所述则对所述评估模型的参数梯度进行改变再次对箱包的机器成色进行评估获得二次机器品质评估值包括：

判断所述机器品质评估值大于或小于建议品质评估值；

若所述机器品质评估值大于所述建议品质评估值，则将模型内的各个参数的参数梯度分别降低预设幅度；

再次对箱包的机器成色进行评估获得二次机器品质评估值。

2.根据权利要求1所述的基于深度学习模型的箱包品质检测方法，其特征在于，

若所述机器品质评估值小于所述建议品质评估值，则将模型内的各个参数的参数梯度分别提高预设幅度；

再次对箱包的机器成色进行评估获得二次机器品质评估值。