【技术实现步骤摘要】
基于人工智能的产品缺陷分类方法、装置、设备及介质
本公开涉及人工智能、计算机视觉
，特别涉及一种基于人工智能的产品缺陷分类方法、装置、设备及介质。
技术介绍
产品质量是制造业最为重视的生产指标，因此，产品质检是产品生产过程中的一项重要内容。即使是自动化程度很高的产品线，也需要大量的人工质检工作，随着深度学习研究的不断深入，计算机视觉技术有望替代人工，来对图像中的缺陷进行分类和评估。目前利用计算机视觉技术对图像进行处理前，主要是利用人工标注的类别标签来对初始神经网络模型进行训练，进而得到可以用于缺陷分类和评估的神经网络模型，通过该神经网络模型，来确定图像中缺陷的类别标签。由于图像缺陷的类别繁多，不同的缺陷类别可能在视觉上很难区分，因此，人工标注常常会出现误标注的问题，缺陷分类的准确性较低。
技术实现思路
本公开实施例提供了一种基于人工智能的产品缺陷分类方法、装置、设备及介质，可以提高缺陷分类的准确性。该技术方案如下：一方面，提供了一种基于人工智能的产品缺陷分类方法，该方法包括：...
【技术保护点】
1.一种基于人工智能的产品缺陷分类方法，其特征在于，所述方法包括：/n获取第一训练样本数据，所述第一训练样本数据包括至少一个产品缺陷图像和所述产品缺陷图像对应的人工标签；/n确定所述产品缺陷图像对应的预测标签，所述预测标签包括所述产品缺陷图像所属各个缺陷类别的概率；/n基于所述预测标签和所述人工标签，确定第一目标标签；/n基于预设目标阈值和所述第一目标标签，更新所述第一训练样本数据中的人工标签，得到第二训练样本数据；/n通过所述第二训练样本数据训练得到的产品缺陷分类模型，对产品缺陷进行分类。/n
【技术特征摘要】
1.一种基于人工智能的产品缺陷分类方法，其特征在于，所述方法包括：
获取第一训练样本数据，所述第一训练样本数据包括至少一个产品缺陷图像和所述产品缺陷图像对应的人工标签；
确定所述产品缺陷图像对应的预测标签，所述预测标签包括所述产品缺陷图像所属各个缺陷类别的概率；
基于所述预测标签和所述人工标签，确定第一目标标签；
基于预设目标阈值和所述第一目标标签，更新所述第一训练样本数据中的人工标签，得到第二训练样本数据；
通过所述第二训练样本数据训练得到的产品缺陷分类模型，对产品缺陷进行分类。
2.根据权利要求1所述的方法，其特征在于，所述基于预设目标阈值和所述第一目标标签，更新所述第一训练样本数据中的人工标签包括：
将所述第一目标标签的概率与所述预设目标阈值进行比较；
若所述第一目标标签的概率大于预设目标阈值，则将所述人工标签更新为所述第一目标标签；
若所述第一目标标签的概率小于或等于预设目标阈值，则将所述第一目标标签更新为所述人工标签；
根据更新后的所述人工标签和所述第一目标标签，确定所述第一训练样本数据的第二目标标签；
将所述第一训练样本数据中的人工标签更新为所述第二目标标签。
3.根据权利要求2所述的方法，其特征在于，所述根据更新后的所述人工标签和所述第一目标标签，确定所述第一训练样本数据的第二目标标签包括：
根据更新后的所述人工标签和所述第一目标标签，结合预设参数，计算所述第一训练样本数据的第二目标标签。
4.根据权利要求1所述的方法，其特征在于，所述第一目标标签的概率大于所述产品缺陷图像中的缺陷属于其他缺陷类别的概率。
5.根据权利要求1所述的方法，其特征在于，所述确定所述产品缺陷图像对应的预测标签包括：
将所述产品缺陷图像输入至深度神经网络；
通过所述深度神经网络确定所述产品缺陷图像所属的至少一个缺陷类别和所述产品缺陷图像属于各个缺陷类别的概率。
6.一种基于人工智能的产品缺陷分类装置，其特征在于，所述装置包...
【专利技术属性】
技术研发人员：黄章炜，卓炜，沈小勇，戴宇荣，贾佳亚，
申请(专利权)人：腾讯云计算北京有限责任公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。