[发明专利]缺陷检测模型的训练和缺陷检测方法及其装置

说明书

本公开提供了一种缺陷检测模型的训练和缺陷检测方法及其装置，涉及计算机视觉、图像处理、深度学习等技术领域，可应用于智慧工业等场景。方案为：采用教师缺陷检测模型对未标注图像进行产品缺陷的回归预测和类别预测，得到第一回归特征和第一分类特征；采用学生缺陷检测模型对未标注样本图像进行产品缺陷的回归预测和类别预测，得到第二回归特征和第二分类特征；根据第一回归特征和第二回归特征确定回归损失值；根据第一分类特征和第二分类特征确定分类损失值；根据回归损失值和分类损失值，对教师缺陷检测模型和学生缺陷检测模型进行联合训练。由此，通过无监督学习方式，利用未标注图像对两个模型进行联合训练，可增强模型的泛化能力和可靠性。

技术领域

本公开涉及人工智能技术领域，具体为计算机视觉、图像处理、深度学习等技术领域，可应用于智慧工业等场景，尤其涉及缺陷检测模型的训练和缺陷检测方法及其装置。

背景技术

在工业质检场景中，为了保证产品的合格率，需要对产品进行质检。目前，可以采用深度学习技术，对缺陷检测模型进行训练，并基于训练后的缺陷检测模型对展示有产品的图像进行缺陷检测，以确定不合格产品的缺陷类型。

为了提升缺陷检测模型的预测精度，即提升缺陷检测模型预测结果的准确性和可靠性，如何对缺陷检测模型进行训练是非常重要的。

发明内容

本公开提供了一种用于缺陷检测模型的训练和缺陷检测方法及其装置。

根据本公开的一方面，提供了一种缺陷检测模型的训练方法，包括：

获取未标注的第一样本图像；其中，所述第一样本图像展示有第一产品；

采用教师缺陷检测模型分别对所述第一样本图像进行所述第一产品的缺陷的回归预测和类别预测，以得到第一回归特征和第一分类特征；

采用学生缺陷检测模型分别对所述第一样本图像进行所述第一产品的缺陷的回归预测和类别预测，以得到第二回归特征和第二分类特征；

根据所述第一回归特征和所述第二回归特征确定第一回归损失值，并根据所述第一分类特征和所述第二分类特征确定第一分类损失值；

根据所述第一回归损失值和所述第一分类损失值，对所述教师缺陷检测模型和所述学生缺陷检测模型进行联合训练。

根据本公开的另一方面，提供了一种缺陷检测方法，包括：

获取待测图像；其中，所述待测图像展示有目标产品；

采用经训练的教师缺陷检测模型分别对所述待测图像进行所述目标产品的缺陷的回归预测和类别预测，得到检测框的输出位置和所述检测框内的目标产品所属的缺陷类别；

其中，所述教师缺陷检测模型是采用上述一方面所述的方法训练得到的。

根据本公开的又一方面，提供了一种缺陷检测模型的训练装置，包括：

第一获取模块，用于获取未标注的第一样本图像；其中，所述第一样本图像展示有第一产品；

第一预测模块，用于采用教师缺陷检测模型分别对所述第一样本图像进行所述第一产品的缺陷的回归预测和类别预测，以得到第一回归特征和第一分类特征；

第二预测模块，用于采用学生缺陷检测模型分别对所述第一样本图像进行所述第一产品的缺陷的回归预测和类别预测，以得到第二回归特征和第二分类特征；

确定模块，用于根据所述第一回归特征和所述第二回归特征确定第一回归损失值，并根据所述第一分类特征和所述第二分类特征确定第一分类损失值；

联合训练模块，用于根据所述第一回归损失值和所述第一分类损失值，对所述教师缺陷检测模型和所述学生缺陷检测模型进行联合训练。

根据本公开的再一方面，提供了一种缺陷检测装置，包括：