瑕疵检测模型的训练方法、瑕疵检测方法和装置与流程

本公开涉及数据处理领域，尤其涉及自然语言处理和深度学习等人工智能领域。

背景技术：

1、随着社会的发展，人们对于纺织品的布匹品质要求日益提高，在实际的生产过程中，可以通过人工对生产得到的布匹进行质量检测，人工依赖程度较高且效率欠佳。

2、相关技术中，可以通过训练好的神经网络模型对输入的布匹图像进行瑕疵检测，然而，训练好的神经网络模型可能对输入图像中的差异区域的关注程度欠佳，从而对瑕疵检测的结果造成一定程度的影响。

技术实现思路

1、本公开提出了一种瑕疵检测模型的训练方法、瑕疵检测方法和装置。

2、根据本公开的第一方面，提出了一种瑕疵检测模型的训练方法，方法包括：获取待训练的候选瑕疵检测模型和检测对象的样本瑕疵图像；通过所述候选瑕疵检测模型获取所述样本瑕疵图像的第一重构图像；获取所述第一重构图像对应的样本差异区域图像，并通过所述候选瑕疵检测模型得到所述样本差异区域图像的瑕疵检测结果；基于所述瑕疵检测结果获取所述候选瑕疵检测模型的训练损失；根据所述训练损失对所述候选瑕疵检测模型进行参数调整，并返回获取下一样本瑕疵图像对参数调整后的候选瑕疵检测模型继续进行模型训练，直至训练结束，得到训练好的目标瑕疵检测模型。

3、根据本公开的第二方面，提出了一种瑕疵检测方法，方法包括：获取训练好的目标瑕疵检测模型，其中，所述目标瑕疵检测模型中包括训练好的目标图像重构模型和目标差异区域检测模型，所述目标瑕疵检测模型基于上述第一方面提出的瑕疵检测模型的训练方法得到；采集检测对象的待检测的初始检测图像，并将所述初始检测图像输入所述目标瑕疵检测模型，通过所述目标瑕疵检测模型中的所述目标图像重构模型对所述候选检测图像进行去噪重构，得到所述初始检测图像的候选检测图像；获取所述候选检测图像基于所述初始检测图像的检测差异区域图像，并基于所述检测差异区域图像对所述候选检测图像进行差异区域重构，得到所述候选检测图像的目标检测图像；通过所述目标瑕疵检测模型中的所述目标差异区域检测模型对所述目标检测图像进行瑕疵检测，得到所述检测对象的所述目标瑕疵检测结果。

4、根据本公开的第三方面，提出了一种瑕疵检测模型的训练装置，装置包括：第一获取模块，用于获取待训练的候选瑕疵检测模型和检测对象的样本瑕疵图像；第一重构模块，用于通过所述候选瑕疵检测模型获取所述样本瑕疵图像的第一重构图像；第一瑕疵检测模块，用于获取所述第一重构图像对应的样本差异区域图像，并通过所述候选瑕疵检测模型得到所述样本差异区域图像的瑕疵检测结果；第二获取模块，用于基于所述瑕疵检测结果获取所述候选瑕疵检测模型的训练损失；训练模块，用于根据所述训练损失对所述候选瑕疵检测模型进行参数调整，并返回获取下一样本瑕疵图像对参数调整后的候选瑕疵检测模型继续进行模型训练，直至训练结束，得到训练好的目标瑕疵检测模型。

5、根据本公开的第四方面，提出了一种瑕疵检测装置，装置包第三获取模块，用于获取训练好的目标瑕疵检测模型，其中，所述目标瑕疵检测模型中包括训练好的目标图像重构模型和目标差异区域检测模型，所述目标瑕疵检测模型基于上述第三方面提出的瑕疵检测模型的训练装置得到；第二重构模块，用于采集检测对象的待检测的初始检测图像，并将所述初始检测图像输入所述目标瑕疵检测模型，通过所述目标瑕疵检测模型中的所述目标图像重构模型对所述候选检测图像进行去噪重构，得到所述初始检测图像的候选检测图像；第三重构模块，用于获取所述候选检测图像基于所述初始检测图像的检测差异区域图像，并基于所述检测差异区域图像对所述候选检测图像进行差异区域重构，得到所述候选检测图像的目标检测图像；

6、第二瑕疵检测模块，用于通过所述目标瑕疵检测模型中的所述目标差异区域检测模型对所述目标检测图像进行瑕疵检测，得到所述检测对象的所述目标瑕疵检测结果。

7、根据本公开的第五方面，提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面提出的瑕疵检测模型的训练方法和/或第二方面提出的瑕疵检测方法。

8、根据本公开的第六方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面提出的瑕疵检测模型的训练方法和/或第二方面提出的瑕疵检测方法。

9、根据本公开的第七方面，提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述第一方面提出的瑕疵检测模型的训练方法和/或第二方面提出的瑕疵检测方法。

10、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种瑕疵检测模型的训练方法，其中，所述方法包括：

2.根据权利要求1所述的方法，其中，所述获取检测对象的样本瑕疵图像，包括：

3.根据权利要求2所述的方法，其中，所述将所述历史无瑕疵图像作为样本无瑕疵图像，并对所述样本无瑕疵图像进行噪声添加，得到所述样本无瑕疵图像的噪声瑕疵图像，包括：

4.根据权利要求1所述的方法，其中，所述通过所述候选瑕疵检测模型获取所述样本瑕疵图像的第一重构图像，包括：

5.根据权利要求1所述的方法，其中，所述获取所述第一重构图像对应的样本差异区域图像，并通过所述候选检瑕疵测模型得到所述样本差异区域图像的瑕疵检测结果，包括：

6.根据权利要求5所述的方法，其中，所述基于所述样本差异区域图像对所述第一重构图像进行差异区域重构，得到所述第一重构图像的第二重构图像，包括：

7.根据权利要求1所述的方法，其中，所述基于所述瑕疵检测结果获取所述候选瑕疵检测模型的训练损失，包括：

8.根据权利要求7所述的方法，其中，所述根据所述训练损失对所述候选瑕疵检测模型进行参数调整，并返回获取下一样本瑕疵图像对参数调整后的候选瑕疵检测模型继续进行模型训练，直至训练结束，得到训练好的目标瑕疵检测模型，包括：

9.一种瑕疵检测方法，其中，所述方法包括：

10.一种瑕疵检测模型的训练装置，其中，所述装置包括：

11.根据权利要求10所述的装置，其中，所述第一获取模块，还用于：

12.根据权利要求11所述的装置，其中，所述第一获取模块，还用于：

13.根据权利要求10所述的装置，其中，所述第一重构模块，还用于：

14.根据权利要求10所述的装置，其中，所述第一瑕疵检测模块，还用于：

15.根据权利要求14所述的装置，其中，所述第一瑕疵检测模块，还用于：

16.根据权利要求10所述的装置，其中，所述第二获取模块，还用于：

17.根据权利要求16所述的装置，其中，所述训练模块，还用于：

18.一种瑕疵检测装置，其中，所述装置包括：

19.一种电子设备，包括：

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8和/或权利要求9中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8和/或权利要求9中任一项所述的方法。

技术总结
本公开提出了一种瑕疵检测模型的训练方法、瑕疵检测方法和装置，涉及自然语言处理和深度学习等人工智能领域，包括获取待训练的候选瑕疵检测模型和样本瑕疵图像；通过候选瑕疵检测模型获取样本瑕疵图像的第一重构图像；获取第一重构图像对应的样本差异区域图像并通过候选瑕疵检测模型得到样本差异区域图像的瑕疵检测结果；基于瑕疵检测结果获取候选瑕疵检测模型的训练损失；根据训练损失对候选瑕疵检测模型进行参数调整，直至训练结束，得到训练好的目标瑕疵检测模型。提高了候选瑕疵检测模型对于可能存在瑕疵的样本差异区域图像的关注程度，降低了人工主观意识对于瑕疵检测结果的影响程度，提高了瑕疵检测的效率。

技术研发人员：张津铭,李爽,聂磊
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/2/21