【技术实现步骤摘要】
【国外来华专利技术】缺陷检测系统
[0001]相关申请的交叉引用
[0002]本申请要求于2020年3月9日提交的美国临时申请序列No.62/987,002的优先权,该申请的全部内容通过引用并入本文。
[0003]本公开总体上涉及一种缺陷检测系统。
技术介绍
[0004]深度学习模型已经在对象检测任务中变得流行。这些模型需要有效地训练大量的标记数据。在许多情况下,收集大量数据并不困难,但手动标记数据可能是非常繁琐且耗时的过程。数据集的自动标记正在增加其适用性,但是仍然缺乏替代人工操作者所必需的进动,并且在没有先前历史示例的情况下通常表现不佳。
技术实现思路
[0005]在一些实施例中,本文公开了一种计算系统。计算系统包括处理器和存储器。存储器上存储有编程指令,该编程指令在由处理器执行时执行操作。该操作包括:生成用于训练预测模型以检测目标样本的目标表面中存在的缺陷的训练数据集,以及基于训练数据集训练预测模型以检测目标样本的目标表面中存在的缺陷。该计算系统通过识别用于训练预测模型的图像集来生成训练数据集,图像集包括第一图像子集,其中第一图像子集中的每个图像均被标记有识别相应样本上的缺陷的标签;由深度学习网络基于包括第一图像子集的图像集,生成用于后续标记的第二图像子集;提示操作者标记第二图像子集中的每个图像;由深度学习网络基于包括第一图像子集和所标记的第二图像子集的图像集,生成用于标记的第三图像子集;提示操作者标记第三图像子集中的每个图像;以及聚合第一图像子集、第二图像子集和第三图像子集,其中第一图像子集、第二 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算系统,包括:处理器;以及存储器,所述存储器上存储有编程指令,所述编程指令在由所述处理器执行时执行操作,所述操作包括:通过以下操作生成用于训练预测模型以检测目标样本的目标表面中存在的缺陷的训练数据集:识别用于训练所述预测模型的图像集,所述图像集包括第一图像子集,其中所述第一图像子集中的每个图像均被标记有识别相应样本上的缺陷的标签;由深度学习网络基于包括所述第一图像子集的所述图像集,生成用于后续标记的第二图像子集;提示操作者标记所述第二图像子集中的每个图像;由所述深度学习网络基于包括所述第一图像子集和所标记的第二图像子集的所述图像集,生成用于标记的第三图像子集;提示所述操作者标记所述第三图像子集中的每个图像;以及聚合所述第一图像子集、所述第二图像子集和所述第三图像子集,其中所述第一图像子集、所述第二图像子集和所述第三图像子集中的每个图像均被标记;以及基于所述训练数据集训练所述预测模型,以检测所述目标样本的目标表面中存在的缺陷。2.根据权利要求1所述的计算系统,其中,由所述深度学习网络基于包括所述第一图像子集的所述图像集,生成用于后续标记的所述第二图像子集包括:为所述图像集中的每个图像,生成对应于所述图像中的每个像素属于第一类别的第一概率的第一概率图;以及为所述图像集中的每个图像,生成对应于所述图像中的每个像素属于第二类别的第二概率的第二概率图。3.根据权利要求2所述的计算系统,还包括:基于所述第一概率图和所述第二概率图为所述图像集中的每个图像生成未见度量,其中所述未见度量对应于所述图像包括所述深度学习网络未见的像素的可能性。4.根据权利要求3所述的计算系统,其中,所述图像的所述未见度量基于所述图像中的每个像素的未见度量的聚合。5.根据权利要求4所述的计算系统,还包括:基于对应的未见度量为所述图像生成阿尔法度量。6.根据权利要求4所述的计算系统,还包括:基于所述图像中具有超过阈值的未见分数的像素的数量,为所述图像生成阈值度量。7.根据权利要求1所述的计算系统,还包括:由所述计算系统从成像装置接收所述目标样本的目标表面的目标图像;由所述预测模型检测所述目标样本的目标表面中存在的一个或更多个缺陷;以及基于所述检测,由所述计算系统生成示出所述一个或更多个缺陷的图形输出。8.一种方法,包括:由计算系统识别图像集,所述图像集用于训练预测模型以检测样本表面中的缺陷,所
述图像集包括第一图像子集,其中所述第一图像子集中的每个图像均被标记有识别相应样本上的缺陷的标签;由所述计算系统的深度学习网络基于包括所述第一图像子集的所述图像集,生成用于后续标记的第二图像子集;由所述计算系统提示操作者标记所述第二图像子集中的每个图像;由所述深度学习网络基于包括所述第一图像子集和所标记的第二图像子集的所述图像集,生成用于标记的第三图像子集;由所述计算系统提示所述操作者标记所述第三图像子集中的每个图像;以及由所述计算系统聚合所述第一图像子集、所述第二图像子集和所述第三图像子集,其中所述第一图像子集、所述第二图像子集和所述第三图像子集中的每个图像均被标...
【专利技术属性】
技术研发人员:托尼斯拉夫,
申请(专利权)人:纳米电子成像有限公司,
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。