一种用于机器视觉缺陷检测的深度学习模型训练方法
基本信息
| 申请号 | CN202110384472.1 | 申请日 | - |
| 公开（公告）号 | CN113095400A | 公开（公告）日 | 2021-07-09 |
| 申请公布号 | CN113095400A | 申请公布日 | 2021-07-09 |
| 分类号 | G06K9/62（2006.01）I;G06K9/54（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 林广栋;江凯;王强;黄光红;刘振 | 申请（专利权）人 | 安徽芯纪元科技有限公司 |
| 代理机构 | 合肥律众知识产权代理有限公司 | 代理人 | 赵娟 |
| 地址 | 230000安徽省合肥市高新区习友路3366号博微产业园系统协同中心7楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种用于机器视觉缺陷检测的深度学习模型训练方法，基于少量缺陷产品外观图像和大量正常产品外观图像进行模型训练，采用负样本扩增方法对少量缺陷产品外观图像进行样本扩增，具体包括如下步骤：将缺陷产品外观图像中的缺陷部分截取出来，形成缺陷图像；对缺陷图像进行扩增处理，形成大量人工缺陷图像；通过图像融合的方式将人工缺陷图像融入到正常产品外观图像中的随机位置，形成人工缺陷产品外观图像；将人工缺陷产品外观图像列入训练样本集用于模型训练。本发明提供一种负样本扩增方法，能够在负样本稀缺的情况下，快速负样本的扩增，尤其适用于无序产品外观缺陷样本扩增，大大提升了模型训练效果，提高了缺陷产品的检出率。 |
