数据处理方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种数据处理方法、装置、设备及存储介质。该数据处理方法包括：响应于接收到的数据查询指令，在已存储的产品图像数据中下载相应的产品图像；通过目标检测网络模型对每个产品图像中的产品缺陷进行识别和分类，得到产品图像的缺陷类别和缺陷特征向量；根据各产品图像的缺陷特征向量，确定每个缺陷类别中各产品图像的缺陷子类别。本申请可根据数据查询指令自动下载相应的产品图像，无需手动逐一下载，提高了数据查询效率，数据查询更加方便、快速；可对产品图像中的产品缺陷进行自动识别，并根据识别出的产品缺陷对所下载的产品图像自动进行分类，无需手动筛选和分类，可提升图像筛选和分类的效率和准确率。升图像筛选和分类的效率和准确率。升图像筛选和分类的效率和准确率。

【技术实现步骤摘要】
数据处理方法、装置、设备及存储介质


[0001]本申请涉及数据处理
，具体而言，本申请涉及一种数据处理方法、装置、设备及存储介质。

技术介绍

[0002]屏幕制造的工艺流程复杂，而由于设备调节、人员操作、环境干扰等原因，每道工艺都有可能产生各种形态的不良，这些不良被AOI(Automated Optical Inspection，自动光学检测)设备判别类别后存放在数据库中。这些图像数量庞大，按照工艺段、站点、产品等条件分类存放后，目录结构复杂、层级较多，要从中挑选出符合特定条件的图片非常困难。现阶段是由工厂的工程师手动进行数据的筛选和收集，收集效率较低，且容易出现失误，例如丢失部分数据或筛选的数据类别不准确等。

技术实现思路

[0003]本申请针对现有方式的缺点，提出一种数据处理方法、装置、设备及存储介质，用以解决现有技术存在的手动进行数据筛选效率低且易失误的技术问题。
[0004]第一方面，本申请实施例提供了一种数据处理方法，包括：
[0005]响应于接收到的数据查询指令，在已存储的产品图像数据中下载相应的产品图像；
[0006]通过目标检测网络模型对每个产品图像中的产品缺陷进行识别和分类，得到产品图像的缺陷类别和缺陷特征向量；
[0007]根据各产品图像的缺陷特征向量，确定每个缺陷类别中各产品图像的缺陷子类别。
[0008]第二方面，本申请实施例提供了一种数据处理装置，包括：
[0009]图像下载模块，用于响应于接收到的数据查询指令，在已存储的产品图像数据中下载相应的产品图像；
[0010]第一缺陷分类模块，用于通过目标检测网络模型对每个产品图像中的产品缺陷进行识别和分类，得到产品图像的缺陷类别和缺陷特征向量；
[0011]第二缺陷分类模块，用于根据各产品图像的缺陷特征向量，确定每个缺陷类别中各产品图像的缺陷子类别。
[0012]第三方面，本申请实施例提供一种数据处理设备，包括：
[0013]存储器；
[0014]处理器，与存储器电连接；
[0015]存储器存储有计算机程序，计算机程序由所述处理器执行以实现本申请实施例第一方面提供的数据处理方法。
[0016]第四方面，本申请实施例提供一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例第一方面提供的数据处理方法。
[0017]本申请实施例提供的技术方案，至少具有如下有益效果：
[0018]本申请实施例提供的技术方案，可根据数据查询指令自动下载相应的产品图像，无需手动逐一下载，提高了数据查询效率，数据查询更加方便、快速；可对产品图像中的产品缺陷进行自动识别，并根据识别出的产品缺陷对所下载的产品图像自动进行分类，无需手动筛选和分类，可提升图像筛选和分类的效率和准确率。
[0019]本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0020]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0021]图1为本申请实施例提供的一种数据处理方法的流程示意图；
[0022]图2为本申请实施例中图像下载界面的示意图；
[0023]图3为本申请实施例中登录界面的示意图；
[0024]图4为本申请实施例中用户管理界面的示意图；
[0025]图5为本申请实施例中目标检测网络模型的一种结构框架示意图；
[0026]图6为本申请实施例提供的另一种数据处理方法的流程示意图；
[0027]图7为本申请实施例中图像展示界面的示意图；
[0028]图8为本申请实施例中图像上传界面的示意图；
[0029]图9为本申请实施例提供的一种数据处理装置的结构框架示意图；
[0030]图10为本申请实施例提供的一种数据处理设备的结构框架示意图。
具体实施方式
[0031]下面详细描述本申请，本申请的实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。此外，如果已知技术的详细描述对于示出的本申请的特征是不必要的，则将其省略。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
[0032]本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
[0033]本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
[0034]首先对本申请涉及的几个名词进行介绍和解释：
[0035]图像检索：Image Retrieval，指根据用户输入查找与输入相关的图像的过程。
[0036]特征(特征向量)：Feature，指图像经过模型处理后得到的一个能表示图像信息的向量。
[0037]自动光学检测：Automated Optical Inspection(AOI)，是基于光学原理来对图像缺陷进行检测的设备。
[0038]ADC(Automatic Defect Classification，自动缺陷分类)系统，该系统集缺陷自动分类、人工复核、模型调度与训练、统计报表等功能为一体，使用深度学习和其他一些图像处理方法，来自动对缺陷图像进行分类并标识缺陷的位置。
[0039]下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。
[0040]本申请实施例提供了一种数据处理方法，如图1所示，该方法包括：
[0041]S101，响应于接收到的数据查询指令，在已存储的产品图像数据中下载相应的产品图像。
[0042]本申请实施例中的产品图像可由AOI设备对产线上的产品进行拍摄得到的或由AOI设备对产线上的产品进行拍摄并经初步分类后得到的，得到的产品图像可存入DFS(Distributed File System，分布式文件系统)或FTP(File Transfer Protocol，文件传输协议)服务器中。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：响应于接收到的数据查询指令，在已存储的产品图像数据中下载相应的产品图像；通过目标检测网络模型对每个所述产品图像中的产品缺陷进行识别和分类，得到所述产品图像的缺陷类别和缺陷特征向量；根据各产品图像的所述缺陷特征向量，确定每个缺陷类别中各产品图像的缺陷子类别。2.根据权利要求1所述的数据处理方法，其特征在于，所述目标检测网络模型包括：依次连接的特征提取器、区域候选网络和目标检测器；通过目标检测网络模型对每个所述产品图像中的产品缺陷进行识别和分类，得到所述产品图像的缺陷类别和缺陷特征向量，包括：通过所述特征提取器对所述产品图像进行特征提取，得到特征图；通过所述区域候选网络确定所述特征图的各特征区域是否包含所述产品缺陷，得到包含所述产品缺陷的所述特征区域；通过所述目标检测器对所述包含所述产品缺陷的所述特征区域进行特征提取，得到所述特征区域的缺陷特征向量，并确定每个所述特征区域包含的所述产品缺陷的类别，根据各特征区域包含的所述产品缺陷的类别确定所述产品图像的缺陷类别。3.根据权利要求2所述的数据处理方法，其特征在于，所述区域候选网络包括：卷积层、以及并列级联于所述卷积层之后的第一卷积支路和第二卷积支路；所述卷积层用于：对所述特征提取器输出的所述特征图进行特征提取，得到各特征区域的特征向量；所述第一卷积支路用于：根据各特征区域的所述特征向量确定得特征区域是否包含所述产品缺陷并输出；所述第二卷积支路用于：调整所述特征区域的检测范围以使其覆盖所述产品缺陷。4.根据权利要求2所述的数据处理方法，其特征在于，所述目标检测器包括：池化层、全连接层、以及并列级联于所述全连接层之后的第一全连接支路和第二全连接支路；所述池化层和所述全连接层用于：对包含所述产品缺陷的所述特征区域的特征向量进行池化处理和特征全连接处理，得到所述缺陷特征向量并输出；所述第一全连接支路用于：根据各特征区域的所述缺陷特征向量确定所述产品缺陷的类别，根据各特征区域包含的所述产品缺陷的类别确定所述产品图像的缺陷类别并输出；所述第二全连接支路用于：调整所述特征区域的检测范围以覆盖所述产品缺陷。5.根据权利要求1所述的数据处理方法，其特征在于，所述根据各产品图像的所述缺...

【专利技术属性】
技术研发人员：刘雍璋，路元元，柴栋，王洪，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：