【技术实现步骤摘要】
模型训练方法、装置、存储介质及电子设备
[0001]本申请涉及人工智能
，具体涉及一种模型训练方法、装置、存储介质及电子设备。
技术介绍
[0002]工业制造过程中因其工艺波动、机台差异等因素会产生各种各样形态的缺陷，需要投入大量人力对产品缺陷识别分类，在工业2.0时代下，越来越多的电子制造商开始采用人工智能ADC（自动缺陷分类系统）来取代人力进行缺陷分类，但是目前人工智能主流的语义分割模型的精度较低，产品量大时很难确保识别的准确率。
技术实现思路
[0003]本申请的主要目的在于提供一种模型训练方法、装置、存储介质及电子设备，旨在解决现有技术中用于缺陷识别的语义分割模型的精度较低的问题。
[0004]为实现上述目的，本申请的实施例采用的技术方案如下：第一方面，本申请实施例提供一种模型训练方法，包括以下步骤：采用第一语义分割模型对第一检测图像集中的第一检测图像进行分割，以获得分割结果；其中，第一检测图像集包括若干第一检测图像，第一语义分割模型基于训练数据训练获得，训练数据采用模板匹配方法进行初次...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括以下步骤：采用第一语义分割模型对第一检测图像集中的第一检测图像进行分割，以获得分割结果；其中，所述第一检测图像集包括若干第一检测图像，所述第一语义分割模型基于训练数据训练获得，所述训练数据采用模板匹配方法进行初次匹配获得；根据所述分割结果，对若干所述第一检测图像进行像素填充，以获得包括若干第二检测图像的第二检测图像集；采用模板匹配方法将所述第二检测图像集中的第二检测图像与第一整板图像进行二次匹配，以获得第二匹配图像集；其中，所述二次匹配的相关性系数值低于所述初次匹配的相关性系数值，所述第二匹配图像集包括若干一一对应的所述第一整板图像的局部区域图像与所述第二检测图像；根据所述第二匹配图像集对初始语义分割网络模型进行训练，获得目标语义分割模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述采用第一语义分割模型对第一检测图像集中的第一检测图像进行分割，以获得分割结果的步骤之前，所述方法还包括：采用模板匹配方法将所述第一检测图像集中的第一检测图像与第二整板图像进行初次匹配，以获得第一匹配图像集；其中，所述第一匹配图像集包括若干一一对应的所述第二整板图像的局部区域图像与第一检测图像；根据所述第一匹配图像集对初始语义分割网络模型进行训练，获得所述第一语义分割模型。3.根据权利要求2所述的模型训练方法，其特征在于，所述采用模板匹配方法将所述第一检测图像集中的第一检测图像与第二整板图像进行初次匹配，以获得第一匹配图像集的步骤之前，所述方法还包括：获取整板图像以及若干检测图像，并将所述整板图像与检测图像灰度化，以获得灰度整板图像与灰度检测图像集；根据坐标位置信息切出所述灰度检测图像集中各检测图像在所述灰度整板图像上的对应位置，以获得所述第一检测图像集与所述第二整板图像。4.根据权利要求3所述的模型训练方法，其特征在于，所述获取整板图像以及若干检测图像，并将所述整板图像与检测图像灰度化，以获得灰度整板图像与灰度检测图像集的步骤之前，所述方法还包括：对若干所述检测图像的分辨率进行调整，以获得分辨率相同的所述整板图像与所述检测图像。5.根据权利要求2所述的模型训练方法，其特征在于，所述根据所述第一匹配图像集对初始语义分割网络模型进行训练，获得所述第一语义分割模型的步骤之前，所述方法还包括：对所述第一匹配图像集中的第一检测图像的像素值进行调整，以获得与所述第一语义分割模型的训练数据集标签像素值相同的所述第一匹配图像集。6.根据权利要求1所述的模型训练方法，其特征在于，所述采用模板匹配方法将所述第二检测图像集中的第二检测图像与第一整板图像进行二次匹配，以获得第二匹配图像集的步骤之前，所述方法还包括：
获取整板图像，并对所述整板图像进行像素填充，以获得所述第一整板图像。7.根据权利要求6所述的模型训练方法，其特征在于，所述根据所述分割结果，对若干所述第一检测图像进行像素填充，以获得包括若干第二检测图像的第二检测图像集的步骤包括：将所述分割结果的对应标签转换为所述第一整板图像上对应位置的像素，以获得第二检测图像集。8.根据权利要求7所述的模型训练方法，其特征在于，所述将所述分割结果的对应标签转换为所述第一整板图像上对应位置的像素，以获得第二检测图像集的步骤之后，所述方法还包括...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：成都数联云算科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。