买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳新视智科技术有限公司

摘要：本发明实施例公开了一种针对隔膜表面缺陷的缺陷分类模型的训练方法及装置，其中，所述方法包括：获取多个隔膜表面图像并进行灰度特征计算，根据预设的特征阈值进行检测，以确定缺陷区域作为第一样本图像；对第一样本图像进行缺陷分类，得到对应的已知缺陷类别；获取未知缺陷类别的第二样本图像，其中，第二样本图像为与隔膜类似的工业品的缺陷图像；基于第一样本图像、第二样本图像及其对应的缺陷类别对缺陷分类模型进行训练；在多个已知缺陷类别的第一样本图像中选择至少一个样本图像；基于预设的生成对抗网络，根据生成未知缺陷类别下的第三样本图像，对预设的缺陷分类模型进行训练。采用本发明，可以提高极耳翻折缺陷检测的准确率。

主权项：1.一种针对隔膜表面缺陷的缺陷分类模型的训练方法，其特征在于，所述方法包括：获取多个隔膜表面图像，对所述隔膜表面图像进行灰度特征计算，以得到所述隔膜表面图像的灰度特征，根据预设的特征阈值对所述隔膜表面图像的灰度特征进行检测，以确定所述隔膜表面图像中的缺陷区域作为第一样本图像；对所述第一样本图像进行缺陷分类，得到每一个第一样本图像对应的缺陷类别，其中，缺陷类别包括多个已知缺陷类别；获取第二样本图像，且所述第二样本图像的缺陷类别为未知缺陷类别，其中，所述第二样本图像为与隔膜类似的工业品的缺陷图像；基于所述第一样本图像、所述第二样本图像及其对应的缺陷类别对预设的缺陷分类模型进行训练；其中，所述基于所述第一样本图像、所述第二样本图像及其对应的缺陷类别对预设的缺陷分类模型进行训练的步骤，还包括：基于所述第一样本图像、所述第二样本图像及其对应的缺陷类别对预设的缺陷分类模型进行训练，并计算该次训练下的损失函数，其中，所述缺陷分类模型为DenseNet121的卷积神经网络模型；所述损失函数loss的计算公式为： 其中，n为缺陷类别的数量，且n的值等于所述多个已知缺陷类别的数量加1；Xin表示已知的多个已知缺陷类别的数据集合；Xout表示未知缺陷类别的数据集合；分别表示样本图像xi、xj所在的缺陷类别；p和q为预设的特征向量函数；其中，所述方法还包括：在所述多个已知缺陷类别的第一样本图像中选择至少一个样本图像；基于预设的生成对抗网络，根据所述选择的至少一个样本图像生成1个未知缺陷类别下的第三样本图像；基于所述第三样本图像对预设的缺陷分类模型进行训练。

全文数据：

权利要求：

百度查询： 深圳新视智科技术有限公司 针对隔膜表面缺陷的缺陷分类模型的训练方法和装置