深度学习缺陷数据集方法、系统及电子设备技术方案

本发明专利技术揭示了一种深度学习缺陷数据集方法、系统及电子设备，属于计算机应用技术领域。所述方法包括：获取三维物体模型；将所述三维物体模型导入虚拟场景中，得到虚拟物体场景；通过着色器对所述虚拟物体场景中的三维物体模型进行缺陷修改，并随机修改虚拟物体场景的环境参数，从而得到不同的虚拟物体场景；采集经过修改后的所述虚拟物体场景在不同相机参数下的图片，形成深度学习缺陷数据集。上述深度学习缺陷数据集方法、系统及电子设备能够实现深度学习缺陷数据集的快速构建，降低了构建缺陷数据集的时间成本，并且缺陷数据集中的缺陷图片丰富全面，保证了后续进行深度学习识别时的准确性。

【技术实现步骤摘要】
深度学习缺陷数据集方法、系统及电子设备
本专利技术涉及计算机应用
，特别涉及一种深度学习缺陷数据集方法、系统及电子设备。
技术介绍
在人工智能有监督学习领域中，深度学习时通常需要构建一个稳定可靠的深度学习模型，而这就要求具备大量样本数据的训练数据集。例如，在进行物体的缺陷检测时，需要预先准备大量的缺陷图片。然而，现实生活中很难采集到缺陷图片，甚至根本采集不到缺陷图片，而且人工采集时需要对物体进行缺陷处理，导致时间成本和经济成本均很高。由于无法预测物体出现缺陷的可能性，即物体的缺陷图片可能各式各样，当训练数据集中的缺陷图片并不全面时，可能出现训练数据集中并不存在物体出现缺陷的图片，导致深度学习时对物体识别错误，严重影响了深度学习时识别的准确率。
技术实现思路
为了解决相关技术中深度学习缺陷数据集的缺陷数据并不全面的技术问题，本专利技术提供了一种深度学习缺陷数据集方法、系统及电子设备。第一方面，提供了一种深度学习缺陷数据集方法，包括：获取三维物体模型；将所述三维物体模型导入虚拟场景中，得到虚拟物体场景；通过着色器对所述虚拟物体场景中的三维物体模型进行缺陷修改，并随机修改所述虚拟物体场景本文档来自技高网...

【技术保护点】
1.一种深度学习缺陷数据集的构建方法，其特征在于，所述方法包括：获取三维物体模型；将所述三维物体模型导入虚拟场景中，得到虚拟物体场景；通过着色器对所述虚拟物体场景中的三维物体模型进行缺陷修改，并随机修改所述虚拟物体场景的环境参数；采集经过修改后的所述虚拟物体场景在不同相机参数下的图片，形成深度学习缺陷数据集。

【技术特征摘要】
1.一种深度学习缺陷数据集的构建方法，其特征在于，所述方法包括：获取三维物体模型；将所述三维物体模型导入虚拟场景中，得到虚拟物体场景；通过着色器对所述虚拟物体场景中的三维物体模型进行缺陷修改，并随机修改所述虚拟物体场景的环境参数；采集经过修改后的所述虚拟物体场景在不同相机参数下的图片，形成深度学习缺陷数据集。2.根据权利要求1所述的方法，其特征在于，所述获取三维物体模型的步骤包括：获取物体的CAD图纸；根据所述CAD图纸构建三维物体模型。3.根据权利要求1所述的方法，其特征在于，所述采集经过修改后的所述虚拟物体场景在不同相机参数下的图片，形成深度学习缺陷数据集的步骤之前，所述方法还包括：调整所述虚拟物体场景中虚拟场景的属性参数；通过所述属性参数的调整，形成多种虚拟场景。4.根据权利要求1所述的方法，其特征在于，所述采集经过修改后的所述虚拟物体场景在不同相机参数下的图片，形成深度学习缺陷数据集的步骤包括：确定不同的相机参数；针对每一个相机参数，生成经过修改后的所述虚拟物体场景在所述相机参数下的图片；通过不同相机参数的图片构建深度学习缺陷数据集。5.根据权利要求1所述的方法，其特征在于，所述采集经过修改后的所述虚拟物体场景在不同相机参数下的图片，形成深度学习缺陷数据集的步骤包括：采集经过修改后的所述虚拟物体场景在不同相机参数下的图片；向所述图片中加入噪声数据，得到噪声图片；通过所述噪声图片构建深度学习缺陷数据集。...

【专利技术属性】
技术研发人员：苏波，徐泽明，王来华，
申请(专利权)人：深圳增强现实技术有限公司，
类型：发明
国别省市：广东,44