一种用于多点位工业数据缺陷检测的方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术领域，解决了人力标注成本高且分类预测准确率低的技术问题，尤其涉及一种用于多点位工业数据缺陷检测的方法，包括以下过程：根据点位信息对第一样本数据集进行划分；将相同点位下的标准样本和无标签样本组成的样本对，输入孪生网络中并将输出结果作为伪标签；基于第一样本数据集所划分的样本和所述伪标签进行点位内的数据融合以获得第二样本数据集；基于第二样本数据集构造两个分支的分类损失函数并利用随机梯度下降法优化。本发明专利技术通过多点位数据信息实现了工业数据的半监督学习，有效地提高了样本利用率，提高了自训练孪生网络方法在工业数据上的预测准确率，还降低了工业数据的人力标注成本。还降低了工业数据的人力标注成本。还降低了工业数据的人力标注成本。

【技术实现步骤摘要】
一种用于多点位工业数据缺陷检测的方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种用于多点位工业数据缺陷检测的方法及装置。

技术介绍

[0002]质量控制是工业生产中一项十分重要的工序，而实现质量控制的一个重要途径是利用卷积神经网络进行缺陷分类，但卷积神经网络的训练需要大量的带有标签的样本，需要耗费大量人力。因此，对工业数据进行半监督学习是很有必要的，其中，自训练方法是实现半监督学习的一个重要方式。
[0003]自训练方法的基本思路是先利用少量标签样本进行模型的训练，再对无标签样本进行预测，然后利用预测结果辅助模型训练。自训练方法的两个代表性方法是MixMatch和FixMatch，MixMatch使用MixUp来对标签数据和无标签数据进行融合，FixMatch则是取无标签数据的预测概率最大的类别作为伪类别，并通过设置阈值对伪类别进行过滤。
[0004]目前，对于多点位工业数据，不同点位因为描述的是不同工业元件位置因而数据具有明显的差异性。比如，针对不同生产线的零件或者同一零件的不同位置都可视为不同点位。但是，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于多点位工业数据缺陷检测的方法，其特征在于，包括以下过程：根据点位信息对第一样本数据集进行划分，得到多点位标准样本集、多点位有标签样本集和多点位无标签样本集；将相同点位下的标准样本和无标签样本组成的样本对，输入到孪生网络进行预测并将输出结果作为伪标签；基于所述第一样本数据集所划分的样本和所述伪标签进行点位内的数据融合以获得第二样本数据集，所述数据融合包括有标签数据融合和无标签数据融合，其中，所述有标签数据融合的策略为从有标签样本中分别抽取一批大小不大于有标签样本大小的标准样本集和有标签样本集进行有监督训练得到有标签数据的融合样本；所述无标签数据融合的策略为抽取一批与有标签样本相同点位且大小相等的数据作为无标签样本集和所述伪标签进行有监督训练得到无标签数据的融合样本；根据所述第二样本数据集构造两个分支的分类损失函数作为所述进行预测的孪生网络的损失函数，其中，所述两个分支的分类损失函数分别是在有标签样本上的损失函数和在无标签样本上的损失函数；基于所述第二样本数据集，根据随机梯度下降法对自训练孪生网络进行训练优化；将待测样本和相同点位下的标准样本输入训练完成的孪生网络，对待测样本进行分类。2.根据权利要求1所述的一种用于多点位工业数据缺陷检测的方法，其特征在于，所述随机梯度下降法训练对自训练孪生网络进行训练优化过程中，利用自适应机制动态的获取随机梯度下降法的学习率参数。3.根据权利要求1所述的一种用于多点位工业数据缺陷检测的方法，其特征在于，所述第一样本数据集是指通过图像采集装置所采集的标准的合格产品图像样本和真实的...

【专利技术属性】
技术研发人员：宋艳枝，汪方军，
申请(专利权)人：合肥高斯智能科技有限公司，
类型：发明
国别省市：