[发明专利]模型训练方法及装置、电子设备和存储介质

说明书

本公开涉及一种模型训练方法及装置、电子设备和存储介质，通过确定标准图像和包括至少一个具有缺陷的缺陷图像的缺陷图像集合，确定每个缺陷图像中缺陷所在的区域为缺陷区域图像。根据至少一个缺陷区域图像和标准图像确定合成图像集合，其中包括至少一个具有缺陷的合成图像，以及每个合成图像中缺陷所在的位置信息，再通过合成图像集合训练用于识别缺陷的缺陷识别模型。本公开实施例通过提取缺陷图像的缺陷区域与标准图像融合得到具有缺陷的合成图像，以实现数据增广。通过生成合成图像扩大模型训练需要的负样本集，实现了基于大量负样本进行模型训练，提高了训练得到的模型精度。

技术领域

本公开涉及计算机技术领域，尤其涉及一种模型训练方法及装置、电子设备和存储介质。

背景技术

电池缺陷检测是计算机视觉以及工业视觉检测的重要问题。电池缺陷检测包括多种重要应用，例如顶盖焊缝检测，密封钉缺陷检测，电池极耳形变缺陷检测以及涂布表面检测等。目前可以通过机器学习的方式进行上述任意电池缺陷检测，但机器学习的检测结果准确程度依赖于缺陷本量，在样本量较少的情况下难以保证机器学习的精度。

发明内容

本公开提出了一种模型训练方法及装置、电子设备和存储介质，旨在样本量较少的情况下保证缺陷识别模型的精度。

根据本公开的第一方面，提供了一种模型训练方法，所述方法包括：

确定标准图像和缺陷图像集合，所述缺陷图像集合中包括具有至少一个缺陷的缺陷图像；

确定每个所述缺陷图像对应的至少一个缺陷区域图像，所述缺陷区域图像为对应的缺陷图像中一个所述缺陷所在的区域；

根据至少一个缺陷区域图像和所述标准图像确定合成图像集合，所述合成图像集合中包括至少一个具有缺陷的合成图像，以及每个所述合成图像中缺陷所在的位置信息；

通过所述合成图像集合训练缺陷识别模型，所述缺陷识别模型用于识别目标对象的缺陷。

在一种可能的实现方式中，所述确定每个所述缺陷图像对应的至少一个缺陷区域图像包括：

通过图像处理确定每个所述缺陷图像中每个缺陷对应的缺陷区域图像。

在一种可能的实现方式中，所述通过图像处理确定每个所述缺陷图像中每个缺陷对应的缺陷区域图像包括：

对于每个缺陷图像，通过图像边缘检测得到焊缝区域图像；

将所述焊缝区域图像划分为至少两个候选区域图像；

根据每个所述缺陷与每个所述候选区域图像的对应关系，确定每个所述缺陷对应的缺陷区域图像。

在一种可能的实现方式中，所述将所述焊缝区域图像划分为至少两个候选区域图像包括：

通过预设的滑动窗在所述焊缝区域图像上滑动确定至少两个候选区域图像，所述滑动窗的宽度与所述焊缝区域图像的宽度相同。

在一种可能的实现方式中，所述根据每个所述缺陷与每个所述候选区域图像的对应关系，确定每个所述缺陷对应的缺陷区域图像包括：

对于每个所述缺陷，确定对应的标注图像区域；

响应于一个所述候选区域图像与所述标注图像区域具有重合区域，确定所述候选区域图像与所述标注图像区域内的缺陷对应；

根据每个缺陷对应的至少一个候选区域图像确定缺陷区域图像。

在一种可能的实现方式中，所述根据每个缺陷对应的至少一个候选区域图像确定缺陷区域图像包括：

响应于所述缺陷对应一个所述候选区域图像，确定所述候选区域图像为缺陷区域图像。