基于深度学习的弱监督目标检测方法及系统技术方案

本发明专利技术实施例涉及目标检测技术领域，具体公开了基于深度学习的弱监督目标检测方法及系统。本发明专利技术实施例通过设置基础学习时期，获取拍摄视频数据，进行学习训练，生成目标检测基本模型；通过目标检测基本模型进行目标检测，标记取件目标；获取取件反馈数据；进行修正学习，生成目标检测修正模型。能够在基础学习时期，根据人工手动取放固化样件的拍摄视频数据，进行分析和学习训练，生成目标检测基本模型，进而按照目标检测基本模型进行完成固化摄像头的标记，并根据实际情况中，工作人员进行是否取件的反馈，进行模型的学习修正，从而能够自动检测完成固化的摄像头，便于将完成固化的摄像头马上进行下一步的生产，缩短车载摄像头的生产周期。头的生产周期。头的生产周期。

【技术实现步骤摘要】
基于深度学习的弱监督目标检测方法及系统


[0001]本专利技术属于目标检测
，尤其涉及基于深度学习的弱监督目标检测方法及系统。

技术介绍

[0002]弱监督学习是机器学习领域中的一个分支，与传统的监督学习相比，其使用有限的、含有噪声的或标注不准确的数据来进行模型参数的训练，按照数据的标注程度可以分为以下三类：不完全监督、不确切监督、不准确监督。
[0003]在进行汽车摄像头的生产过程中，需要对汽车摄像头进行注胶密封，从而使得摄像头内部保持密封的状态，避免空气和水进入摄像头中。在进行注胶密封的加工过程中，需要对注入的密封胶进行固化等待，通常都是将注胶之后的摄像头放置在固化架中，固化等待一段时间，进而取下完成固化的摄像头进行下一步的加工。由于不同摄像头密封注胶的量不同，不同的摄像头需要不同的固化等待时间，随着快速生产的需要，这种统一固化等待的方式不能够满足生产的需求，在一定程度上延长了生产周期。

技术实现思路

[0004]本专利技术实施例的目的在于提供基于深度学习的弱监督目标检测方法及系统，旨在解决
技术介绍
中提出的问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的弱监督目标检测方法，其特征在于，所述方法具体包括以下步骤：设置基础学习时期，获取所述基础学习时期人工手动取放固化样件的拍摄视频数据，通过对所述拍摄视频数据进行分析，获取多个取件采样数据；通过预先提供的机器学习算法对多个所述取件采样数据进行学习训练，生成目标检测基本模型；通过所述目标检测基本模型进行目标检测，标记取件目标，并生成推动所述取件目标的推动信号；获取工作人员根据所述推动信号进行取件反馈生成的取件反馈数据；通过所述取件反馈数据，对目标检测基本模型进行修正学习，生成目标检测修正模型，并通过所述目标检测修正模型进行目标检测。2.根据权利要求1所述的基于深度学习的弱监督目标检测方法，其特征在于，所述设置基础学习时期，获取所述基础学习时期人工手动取放固化样件的拍摄视频数据，通过对所述拍摄视频数据进行分析，获取多个取件采样数据具体包括以下步骤：设置基础学习时期；获取所述基础学习时期人工手动取放固化样件的拍摄视频数据；对所述拍摄视频数据进行分析，截取工作人员取下固化样件的取件视频数据；对所述取件视频数据进行样件固化分析，生成多个取件采样数据。3.根据权利要求1所述的基于深度学习的弱监督目标检测方法，其特征在于，所述通过预先提供的机器学习算法对多个所述取件采样数据进行学习训练，生成目标检测基本模型具体包括以下步骤：获取预先提供的机器学习算法；将多个所述取件采样数据随机划分为训练集和测试集；根据所述训练集和所述测试集进行模型学习训练，生成目标检测基本模型。4.根据权利要求1所述的基于深度学习的弱监督目标检测方法，其特征在于，所述通过所述目标检测基本模型进行目标检测，标记取件目标，并生成推动所述取件目标的推动信号具体包括以下步骤：获取所述基础学习时期之后的实时拍摄数据；截取所述实时拍摄数据中的目标实时检测数据；将所述目标实时检测数据导入所述目标检测基本模型进行目标检测，标记取件目标；生成推动所述取件目标的推动信号。5.根据权利要求1所述的基于深度学习的弱监督目标检测方法，其特征在于，所述获取工作人员根据所述推动信号进行取件反馈生成的取件反馈数据具体包括以下步骤：对所述实时拍摄数据进行取拿分析，生成取拿分析数据；根据所述取拿分析数据，判断所述取件目标是否被工作人员取下，生成判断结果；根据所述判断结果，获取取件反馈数据。6.根据权利要求4所述的基于深度学习的弱监督目标检测方法，其特征在于，所述通过所述取件反馈数据，对目标检测基本模型进行修正学习，生成目标检测修...

【专利技术属性】
技术研发人员：蒋万川，
申请(专利权)人：西南大学，
类型：发明
国别省市：