工件质检方法、装置及计算机设备制造方法及图纸

本发明专利技术涉及工业质检技术领域，提供一种工件质检方法、装置及计算机设备，方法包括：获取待质检工件对应的测试图像及训练好的神经网络模型；获取深度Q网络的训练样本；构建深度Q网络，并基于训练样本对深度Q网络进行学习训练，以得到神经网络模型对应的状态

【技术实现步骤摘要】
工件质检方法、装置及计算机设备


[0001]本专利技术涉及工业质检
，具体涉及一种工件质检方法、一种工件质检装置和一种计算机设备。

技术介绍

[0002]工业质检，可以理解为对工业制造、工业生产中各个流程的工件或者产品进行的质量检测，例如可以检测出产品表面微小的划痕和凹坑等瑕疵，产品表面微小的划痕和凹坑等瑕疵就可能会酿成重大的事故，比如航空轮胎等表面缺陷会直接影响使用效果甚至会给乘客带来不可挽回的损失。可见工业质检在现代制造业非常重要。
[0003]相关技术中，进行工件质检时通常将图片直接输入训练好的神经网络模型，而由于图片具有多种多样的版本，例如处于翻转版本的图片，因此，在通过训练好的神经网络模型对图片进行预测时，存在模型预测准确性不高、效果差且预测时间长的问题，从而导致工业质检准确性低、质检效果差、效率低的问题。

技术实现思路

[0004]本专利技术为解决上述技术问题之一，提出了如下技术方案。
[0005]本专利技术第一方面实施例提出了一种工件质检方法，包括：获取待质检工件对应的测试图像及训练好的神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工件质检方法，其特征在于，包括：获取待质检工件对应的测试图像及训练好的神经网络模型；获取深度Q网络的训练样本，所述训练样本包括：多个原始图像、多个原始图像对应的数据增强图像及多个数据增强行为；构建深度Q网络，并基于所述训练样本对所述深度Q网络进行学习训练，以得到所述神经网络模型对应的状态
‑
行为深度Q网络模型；将所述测试图像输入所述深度Q网络模型，以得到所述测试图像对应的至少一个目标增强行为；根据所述至少一个目标增强行为对所述测试图像进行数据增强，并将增强后的测试图像输入所述神经网络模型，以得到至少一个预测结果；根据所述至少一个预测结果对所述工件进行质检。2.根据权利要求1所述的工件质检方法，其特征在于，基于所述训练样本对所述深度Q网络进行学习训练，以得到所述神经网络模型对应的状态
‑
行为深度Q网络模型，包括：将多个数据增强图像组成环境的状态空间集合S，，其中，S
t
表示t时刻环境的状态，S
t+1
表示t+1时刻环境的状态，S
T
表示环境的最终状态；将所述多个数据增强行为组成智能体的行为空间集合A，，其中，A
k
表示第k个数据增强行为；基于所述智能体与所述环境之间的交互，得到所述状态
‑
行为深度Q网络模型。3.根据权利要求2所述的工件质检方法，其特征在于，基于所述智能体与所述环境之间的交互，得到所述状态
‑
行为深度Q网络模型，包括：获取t时刻的环境状态S
t
；将所述t时刻的环境状态S
t
输入所述智能体，以使所述智能体根据所述t时刻的环境状态S
t
执行t时刻的数据增强行为A
t
；在所述智能体执行t时刻数据增强行为A
t
后，所述环境的状态变换至t+1时刻的环境状态S
t+1
，同时将t+1时刻的反馈奖励值反馈给所述智能体，使所述智能体执行t+1时刻的数据增强行为；获取每个时刻对应的反馈奖励值，以将各个反馈奖励值组成反馈奖励集合R，，其中，R
t
表示t时刻对应的反馈奖励值，R
t+1
表示t+1时刻对应的反馈奖励值；根据各个反馈奖励值确定所述智能体的价值函数；基于所述价值函数得到所述状态
‑
行为深度Q网络模型。4.根据权利要求3所述的工件质检方法，其特征在于，根据各个反馈奖励值确定所述智能体的价值函数，包括：获取所述智能体的控制策略π及控制策略π对应的状态
‑
价值函数和行为
‑
价值函数；基于所述价值函数...

【专利技术属性】
技术研发人员：肖智恒，郭骏，潘正颐，侯大为，
申请(专利权)人：常州微亿智造科技有限公司，
类型：发明
国别省市：