快速实时在线深度学习系统和训练方法技术方案

本发明专利技术涉及工业品检测技术领域，具体是快速实时在线深度学习系统和训练方法，包括领域AI模型单元、项目AI模型单元、项目学习训练单元、领域学习训练单元、样本数据库管理单元、项目数据库单元、领域数据库单元和质量精度控制单元；所述领域AI模型单元用于挖掘、提取和学习不同项目数据样本的共同特征等领域知识；所述项目AI模型单元用于对复杂背景下的各种物品和缺陷进行分类；通过创新性极速自适应学习，能够快速实现新检测项目或现有项目更新产品型号时智能检测系统的快速上线或无缝连接，显著降低目前现有深度学习技术的等待时间，提高经济效益。高经济效益。高经济效益。

【技术实现步骤摘要】
快速实时在线深度学习系统和训练方法


[0001]本专利技术涉及工业品检测
，具体是快速实时在线深度学习系统和训练方法。

技术介绍

[0002]在工业品检测领域，有缺陷数据尤其是不常见缺陷类型数据的积累需要一个漫长的过程。现代先进的智能柔性工业生产线经常需要更换新品种或新型号，然而现有AI深度学习智能检测系统需要大量的样本数据进行针对新品种或新缺陷类型数据重新训练AI模型才能适应新情况，造成等待时间长，从而极大影响生产线的检测质量和生产效率并造成经济效益的巨大损失。因此，这类生产线的检测系统急需能够快速自适应新情况的智能解决方案。
[0003]另一方面，在工业生产线上实时连续检测工业品的过程中，有些样本例如正品或常见缺陷类型的图像数量较多，有些不常见的缺陷类型的数量又很少，造成不同类型样本数量的巨大不平衡。在小样本类型(尤其是新出现的稀有缺陷类型)数据混杂在大样本类型数据的情况下，现有深度学习算法难以有效和快速地学习新的小样本类型的特征，极需颠覆性的新型的深度学习算法能够快速同时学习小样本和大样本的本质特征，克服样本量不均衡的困难，提高检测精度；因此，针对上述问题提出快速实时在线深度学习系统和训练方法。

技术实现思路

[0004]为了弥补现有技术的不足，解决现有AI深度学习智能检测系统需要大量的样本数据进行针对新品种或新缺陷类型数据重新训练AI模型才能适应新情况，造成等待时间长，从而极大影响生产线的检测质量和生产效率并造成经济效益的巨大损失等的问题，本专利技术提出快速实时在线深度学习系统和训练方法。
[0005]本专利技术解决其技术问题所采用的技术方案是：本专利技术所述的快速实时在线深度学习系统和训练方法，包括领域AI模型单元、项目AI模型单元、项目学习训练单元、领域学习训练单元、样本数据库管理单元、项目数据库单元、领域数据库单元和质量精度控制单元；所述领域AI模型单元用于挖掘、提取和学习不同项目数据样本的共同特征等领域知识；所述项目AI模型单元用于对复杂背景下的各种物品和缺陷进行分类；所述项目学习训练单元和领域学习训练单元用于自适应学习、项目精细学习和领域AI学习；所述样本数据库管理单元用于负责样本数据库的采集、管理以及数据样本的优化处理，保证数据样本的质量和一致性；所述项目数据库单元用于存储项目样本数据；所述领域数据库单元用于存储领域样本数据；所述质量精度控制单元用于控制和设置整体AI智能检测系统的参数配置。
[0006]优选的，所述领域AI模型单元中，通过收集同行业领域内众多类似但是不同项目的样本，可以积累大量的样本数据；然后在同领域的大量且具有广泛代表性的数据的基础上利用深度卷积神经网络学习算法来学习训练领域AI模型，从而在实质上能够挖掘、提取
和学习不同项目数据样本的共同特征等领域知识；在领域AI模型学习训练后，将领域AI模型的结果拷贝到项目AI模型单元的基本特征提取模型。
[0007]优选的，所述项目AI模型单元包括项目AI基本特征提取模型和分类和特征增强模型；项目AI基本特征提取模型对应于大脑长期记忆区域，在深度学习网络结构上与领域AI模型相同，同时利用训练好的领域AI模型进行初始化，然后利用精细学习进行强化学习和提取与项目相关的检测物品的基本特征。
[0008]优选的，分类和特征增强模型对应于大脑短期记忆区域，是一层至多层的神经网络模型，用于极速学习和分类项目所特有的不同物品和缺陷；项目AI模型能够基于领域AI模型知识的迁移学习，定制和强化学习具体项目检测物品的特殊特征，快速学习提高检测精度；在生成项目AI模型后，首先将领域AI模型的结果拷贝到项目AI基本特征提取模型。
[0009]优选的，所述项目学习训练单元包括项目AI极速自适应学习和项目AI精细学习；在AI极速自适应学习时，当遇到新品种或新缺陷类型时，能够充分利用领域AI模型积累的知识或者已经强化学习的项目AI模型知识，在收集到样本新图像后利用迁移学习快速提取新类型相对应的特征，然后通过极速非迭代学习算法，实时更新项目AI模型中的分类和特征增强子模型的参数，快速实现新产品等的“无缝”上线连接；在项目AI精细学习中：在极速自适应学习取得智能检测系统上线后，学习系统逐渐收集到更多的数据样本，通过利用项目所有有效样本持续在线学习和优化项目AI模型中两个子模型的所有参数，强化学习并提取针对项目数据样本的有效特征。
[0010]优选的，所述项目学习训练单元利用项目数据库单元的样本进行学习，然后将学习结果发送到项目AI模型单元。
[0011]优选的，所述领域学习训练单元包括领域AI模型学习，由于同一个领域的众多不同项目的新样本数据同时发送给领域样本数据库，能够快速积累大量领域数据样本；通过利用跨项目的领域数据库的大量样本，进行学习和更新领域AI模型，可以持续获得高质量、强泛化能力、通用领域特征的AI模型，进一步促进普及和提高同行业的智能检测系统的应用水平。
[0012]优选的，所述领域学习训练单元利用领域数据库单元的样本进行学习，然后将学习结果发送到领域AI模型单元。
[0013]优选的，所述样本数据库管理单元包括实时在线数据采集和预处理、数据库样本的优化处理；能够将新收集并预处理过的样本发送到项目数据库单元和领域数据库单元；能够从数据库中提取样本，进行优化处理，然后将优化后的样本发送到项目数据库单元和领域数据库单元。
[0014]优选的，所述质量精度控制单元控制和设置整体AI智能检测系统的参数配置，包括样本质量控制参数，实时检测精度设置，学习过程的精度设置和学习超参数设置，质量精度控制单元将相应的参数或指标分别发送到对应的项目学习训练单元、领域学习训练单元和数据库管理单元。
[0015]本专利技术的有益之处在于：
[0016]1.本专利技术中，通过创新性极速自适应学习，能够快速实现新检测项目或现有项目更新产品型号时智能检测系统的快速上线或无缝连接，显著降低目前现有深度学习技术的等待时间，提高经济效益；对于工业缺陷检测中含有小样本缺陷类型的情况下，能够快速训
练学习，适合训练数据难以获取的生产线的自动缺陷检测，克服了小样本数据难以学习的固有难题，解决了工业智能检测的行业痛点。
[0017]2.本专利技术中，模块化AI智能模型系统架构和分阶段的学习方法能够加快AI系统的学习速度并且显著降低尤其是初始阶段的训练难度，能够实现快速适应新环境新项目，同时能够显著降低对现场应用操作人员的素质要求，从而降低项目落地门槛，有利于AI智能检测系统的普及推广，提高社会效益。
[0018]3.本专利技术中，高质量的领域AI知识模型：能够充分利用同领域中众多类似但是不同项目的样本数据，从而可以快速积累大量数据样本，解决工业产品检测中缺陷样本不足的难题。实质上这又是挖掘、提取和学习不同项目数据样本的共同特征等领域知识的有效方法。随着行业领域AI知识和样本数据的积累，能够快速提高领域AI模型的精度、质量和泛化能力，普遍提高行业智能检测的整体水平。
[0019]4.本专利技术中，质量精度控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.快速实时在线深度学习系统和训练方法，其特征在于：包括领域AI模型单元、项目AI模型单元、项目学习训练单元、领域学习训练单元、样本数据库管理单元、项目数据库单元、领域数据库单元和质量精度控制单元；所述领域AI模型单元用于挖掘、提取和学习不同项目数据样本的共同特征等领域知识；所述项目AI模型单元用于对复杂背景下的各种物品和缺陷进行分类；所述项目学习训练单元和领域学习训练单元用于自适应学习、项目精细学习和领域AI学习；所述样本数据库管理单元用于负责样本数据库的采集、管理以及数据样本的优化处理，保证数据样本的质量和一致性；所述项目数据库单元用于存储项目样本数据；所述领域数据库单元用于存储领域样本数据；所述质量精度控制单元用于控制和设置整体AI智能检测系统的参数配置。2.根据权利要求1所述的快速实时在线深度学习系统和训练方法，其特征在于：所述领域AI模型单元中，通过收集同行业领域内众多类似但是不同项目的样本，可以积累大量的样本数据；然后在同领域的大量且具有广泛代表性的数据的基础上利用深度卷积神经网络学习算法来学习训练领域AI模型，从而在实质上能够挖掘、提取和学习不同项目数据样本的共同特征等领域知识；在领域AI模型学习训练后，将领域AI模型的结果拷贝到项目AI模型单元的基本特征提取模型。3.根据权利要求1所述的快速实时在线深度学习系统和训练方法，其特征在于：所述项目AI模型单元包括项目AI基本特征提取模型和分类和特征增强模型；项目AI基本特征提取模型对应于大脑长期记忆区域，在深度学习网络结构上与领域AI模型相同，同时利用训练好的领域AI模型进行初始化，然后利用精细学习进行强化学习和提取与项目相关的检测物品的基本特征。4.根据权利要求3所述的快速实时在线深度学习系统和训练方法，其特征在于：分类和特征增强模型对应于大脑短期记忆区域，是一层至多层的神经网络模型，用于极速学习和分类项目所特有的不同物品和缺陷；项目AI模型能够基于领域AI模型知识的迁移学习，定制和强化学习具体项目检测物品的特殊特征，快速学习提高检测精度；在生成项目AI模型后，首先将领域AI模型的结果拷贝到项目AI基本特征提取模型。5.根据权利要求1所述的快速实时在线深度学习系统和训练方法，其特征在于：所述项目学习训练单元包括项目...

【专利技术属性】
技术研发人员：黄西士，许照林，张剑，吕越峰，王萍，
申请(专利权)人：苏州富鑫林光电科技有限公司，
类型：发明
国别省市：