工业检测中的样本生成方法、样本生成装置制造方法及图纸

本发明专利技术涉及工业检测技术领域，提供一种工业检测中的样本生成方法、样本生成装置，所述方法包括：控制绘制工具在待绘制图像上以第一笔触绘制背景图像，以得到第一图像；获取目标图像的语义图，控制绘制工具根据语义图采用第二笔触在第一图像的基础上绘制前景图像，以得到第二图像；通过第一图像对第一CGAN网络进行训练，以输出背景奖励；通过第二图像对第二CGAN网络进行训练，以输出前景奖励；背景奖励与前景奖励满足设定要求，则完成智能体的训练；通过训练后的智能体生成样本。本发明专利技术通过不同的笔触分别绘制前景图像和背景图像，增强了前景中实例的关注，使每次绘制的结果更加接近真实的目标图像，进而可以准确生成所需的工业样本数据。业样本数据。业样本数据。

【技术实现步骤摘要】
工业检测中的样本生成方法、样本生成装置


[0001]本专利技术涉及工业检测
，具体涉及一种工业检测中的样本生成方法、一种工业检测中的样本生成装置。

技术介绍

[0002]工业计算机视觉任务主要有：定位、检测、分割、分类，通常是软硬件相结合的方式。以工业质检为例，硬件部分通过机械臂或者其他抓取工具将待检测物体放在固定位置，然后通过光学相机进行图像采集，再通过训练后的模型进行目标识别。
[0003]其中，样本数量是整个模型训练中的关键问题，然而工业现场中样本的数量本身就少，且类型单一，从而导致训练后的模型识别效果不佳的问题，所以样本生成技术在工业质检领域也有广泛的应用。
[0004]相关技术中，样本生成技术一般采用人工伪造的方法，人工伪造就是利用工具，通过物理方法，去模拟生成带缺陷的样本，但这种方法，极大的消耗人力，物力，同时仿造出来的缺陷数量有限。另外，虽然有利用GAN（Generative Adversarial Networks，生成对抗网络）的方式进行样本生成，但是该方式生成的图像不够真实，从而带来工业质检效果差、准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业检测中的样本生成方法，其特征在于，包括以下步骤：步骤S1，输入待绘制图像和目标图像，所述待绘制图像初始状态为空白图像，所述目标图像包括标签和位置；步骤S2，控制绘制工具在所述待绘制图像上以第一笔触绘制背景图像，以得到第一图像；步骤S3，获取所述目标图像的语义图，控制所述绘制工具根据所述语义图采用第二笔触在所述第一图像的基础上绘制前景图像，以得到第二图像；步骤S4，根据所述第一图像对第一CGAN网络进行训练，以使所述第一CGAN网络根据第一奖惩机制输出所述第一图像与所述目标图像之间的背景奖励；步骤S5，根据所述第二图像对第二CGAN网络进行训练，以使所述第二CGAN网络根据第二奖惩机制输出所述第二图像与所述目标图像的语义图之间前景奖励；步骤S6，判断所述背景奖励与所述前景奖励是否满足设定要求；步骤S7，如果所述背景奖励与所述前景奖励满足设定要求，则完成所述绘制工具、所述第一CGAN网络和所述第二CGAN网络构成的智能体的训练；步骤S8，通过训练后的智能体生成样本。2.根据权利要求1所述的工业检测中的样本生成方法，其特征在于，所述第二图像的表达式如下：达式如下：；其中，表示第二图像的背景，表示所述第二图像的向量，表示目标图像的语义图，表示第二笔触，表示采用第二笔触进行绘制，表示矩阵对应元素相乘，表示彩色绘制，表示第一笔触，表示第一图像的向量，表示采用第一笔触进行绘制。3.根据权利要求2所述的工业检测中的样本生成方法，其特征在于，所述背景奖励和所述前景奖励分别为：述前景奖励分别为：；其中，代表背景奖励，代表前景奖励，表示通过第一CGAN网络的判别器分数计算奖励，表示通过第二CGAN网络的判别器分数计算奖励，表示目标图像。4.根据权利要求1所述的工业检测中的样本生成方法，其特征在于，还包括：将所述目标图像的语义图和所述第二图像输入神经网络模型中，以提取第二图像的前景图像和目标图像的语义图的前景图像；将所述第二图像的前景图像、目标图像的语义图的前景图像输入所述第二CGAN网络进行训练，以使所述第二CGAN网络根据第二奖惩机制输出所述第二图像与所述目标图像的语义图之间前景奖励。
5.根据权利要求3所述的工业检测中的样本生成方法，其特征在于，所述第一CGAN网络和所述第二CGAN网络通过反向传播算法进行梯度下降，且所述第二CGAN网络采用特征引导反向传播图缩放的方式进行反向传播。6.一种工业检测中的样...

【专利技术属性】
技术研发人员：张焱，张志琦，赵何，
申请(专利权)人：江苏智云天工科技有限公司，
类型：发明
国别省市：