摄像检测模型训练方法及摄像检测方法技术

本发明专利技术涉及一种摄像检测模型训练方法及摄像检测方法，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。检测的准确性和稳定性。检测的准确性和稳定性。

【技术实现步骤摘要】
摄像检测模型训练方法及摄像检测方法


[0001]本专利技术涉及电子产品
，特别是涉及一种摄像检测模型训练方法及摄像检测方法。

技术介绍

[0002]随着电子产品技术的发展，各种智能设备层出不穷，例如智能手机、笔记本电脑和平板电脑等。其中，用户在使用这部分智能设备时，与智能设备进行人机交互的主要手段是通过智能设备的屏幕来实现的。因此，智能设备屏幕的好坏对用户的使用体验起到重要的影响。目前，伴随着经济和技术的高速发展，智能设备的普及和更新换代速度也越来越快。以智能手机为例，5G时代的到来，加速了智能手机的换代。在智能设备进行迭代的过程中，有效回收是智能设备剩余价值的有效利用手段之一，可减少对环境的化学污染以及减少浪费。
[0003]其中，在智能设备的回收过程中，其摄像功能的好坏是决定智能设备的残值的重要参考。一般的，回收智能设备都会检测摄像是否正常。摄像异常会严重影响智能设备的正常使用，进而影响智能设备的残值率。因此，在智能设备的回收过程中，都需要检测摄像是否正常为智能设备回收估价提供参考，降低回收亏本的风险。
[0004]传统检测智能设备摄像是否正常的方法主要是通过自动或手动操作前摄后摄的同时捕获智能设备运行日志，以判断该智能设备摄像是否异常。然而，传统检测智能设备摄像是否正常的方法不能检测出摄像模糊、拍照有水印、黑斑等摄像异常问题，只能在一定程度内检测摄像是否可以打开和切换。

技术实现思路

[0005]基于此，有必要针对传统的摄像检测方式还存在的缺陷，提供一种摄像检测模型训练方法及摄像检测方法。
[0006]一种摄像检测模型训练方法，包括步骤：
[0007]获取待回收智能设备的拍摄图像；
[0008]将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型；其中，分类信息用于表征拍摄图像对应的摄像状态。
[0009]上述的摄像检测模型训练方法，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。
[0010]在其中一个实施例中，获取待回收智能设备的拍摄图像的过程，包括步骤：
[0011]获取待回收智能设备的各摄像头的拍摄图像。
[0012]在其中一个实施例中，获取待回收智能设备的各摄像头的拍摄图像的过程，包括
步骤：
[0013]在待回收智能设备内安装应用程序，以指示待回收智能设备根据应用程序依次开启各摄像头并完成拍摄。
[0014]在其中一个实施例中，指示待回收智能设备根据应用程序依次开启各摄像头并完成拍摄的过程，包括步骤：
[0015]指示待回收智能设备根据应用程序依次开启各摄像头并对特定颜色的背景完成拍摄。
[0016]在其中一个实施例中，将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型的过程，包括步骤：
[0017]根据各类的监督学习分类算法，将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型。
[0018]在其中一个实施例中，监督学习分类算法包括卷积神经网络算法或K近邻分类算法。
[0019]在其中一个实施例中，还包括步骤：
[0020]对摄像检测模型进行筛选，将筛选出的摄像检测模型用于摄像检测。
[0021]在其中一个实施例中，分类信息包括用于表征摄像完美、摄像模糊、摄像存在水印、摄像存在黑斑或摄像存在黑屏的标签。
[0022]一种摄像检测模型训练装置，包括：
[0023]图像获取模块，用于获取待回收智能设备的拍摄图像；
[0024]图像训练模块，用于将拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型；其中，分类信息用于表征拍摄图像对应的摄像状态。
[0025]上述的摄像检测模型训练装置，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。
[0026]一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的摄像检测模型训练方法。
[0027]上述的计算机存储介质，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。
[0028]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的摄像检测模型训练方法。
[0029]上述的计算机设备，在获取到待回收智能设备的拍摄图像后，将拍摄图像作为训练数据，训练出标注有用于表征拍摄图像对应的摄像状态的摄像检测模型。基于此，可根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性
和稳定性。
[0030]一种摄像检测方法，包括步骤：
[0031]获取待检测智能设备的拍摄图像；
[0032]根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。
[0033]上述的摄像检测方法，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。
[0034]在其中一个实施例中，分类信息包括用于表征摄像完美、摄像模糊、摄像存在水印、摄像存在黑斑或摄像存在黑屏的标签。
[0035]一种摄像检测装置，包括：
[0036]图像采集模块，用于获取待检测智能设备的拍摄图像；
[0037]图像检测模块，用于根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。
[0038]上述的摄像检测装置，在获取到待检测智能设备的拍摄图像后，根据摄像检测模型识别拍摄图像，获得用于表征待检测智能设备摄像状态的分类信息。基于此，根据训练好的摄像检测模型对待检测智能设备进行摄像检测，检测出待检测智能设备的多项摄像状态，提高检测的丰富性。同时，通过定性的摄像检测模型检测，保证摄像检测的准确性和稳定性。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摄像检测模型训练方法，其特征在于，包括步骤：获取待回收智能设备的拍摄图像；将所述拍摄图像作为训练数据，训练出标注有分类信息的摄像检测模型；其中，所述分类信息用于表征所述拍摄图像对应的摄像状态。2.根据权利要求1所述的摄像检测模型训练方法，其特征在于，所述获取待回收智能设备的拍摄图像的过程，包括步骤：获取所述待回收智能设备的各摄像头的拍摄图像。3.根据权利要求2所述的摄像检测模型训练方法，其特征在于，所述获取所述待回收智能设备的各摄像头的拍摄图像的过程，包括步骤：在所述待回收智能设备内安装应用程序，以指示所述待回收智能设备根据所述应用程序依次开启各摄像头并完成拍摄。4.根据权利要求3所述的摄像检测模型训练方法，其特征在于，所述指示所述待回收智能设备根据应用程序依次开启各摄像头并完成拍摄的过程，包括步骤：指示所述待回收智能设备根据应用程序依次开启各摄像头并对特定颜色的背景完成拍摄。5.根据权利要求1所述的摄像检测模型训练方法，其特征在于，所述将所述拍摄图像作为训练数据...

【专利技术属性】
技术研发人员：欧阳俊，林发宁，廖伟权，刘嘉，
申请(专利权)人：广州绿怡信息科技有限公司，
类型：发明
国别省市：