缺陷检测模型的更新方法、装置、电子设备和存储介质制造方法及图纸

本公开提供了一种缺陷检测模型的更新方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及深度学习、图像处理和计算机视觉等领域。具体实现方案为：获取第一缺陷检测模型针对多个POY图像分别输出的多个缺陷检测结果；基于多个缺陷检测结果，在多个POY图像中选取多个第一样本图像；基于多个第一样本图像中的每个第一样本图像的特征信息，在多个第一样本图像中选取第二样本图像；基于第二样本图像，对第一缺陷检测模型进行更新，得到第二缺陷检测模型。本公开使得模型能够及时适应POY流程工艺的变化，提升缺陷检测效果，准确检测出POY产品中的各种缺陷。测出POY产品中的各种缺陷。测出POY产品中的各种缺陷。

【技术实现步骤摘要】
缺陷检测模型的更新方法、装置、电子设备和存储介质


[0001]本公开涉及人工智能
，尤其涉及深度学习、图像处理和计算机视觉等领域。

技术介绍

[0002]POY(Pre
‑
Oriented Yarn，预取向丝)是聚酯长丝在高速纺丝下制得的。通过对POY进行加弹、假捻、变形等后加工的工艺路线，可以制得DTY(Draw Textured Yarn，拉伸变形丝)。由于纺丝速度高、满卷卷装重量大、满卷直径大等原因，POY中的缺陷复杂多样，因此，POY外检难度较高，工作量也较大。
[0003]相关技术中，可采用基于深度学习算法的缺陷检测模型对POY外观缺陷进行检测和定级。然而，由于POY中的缺陷复杂多样，且随着流程工艺的改进会衍生不同类型的缺陷，因此，缺陷检测模型的检测效果仍有待提升。

技术实现思路

[0004]本公开提供了一种缺陷检测模型的更新方法、装置、电子设备和存储介质。
[0005]根据本公开的一方面，提供了一种缺陷检测模型的更新方法，包括：
[0006]获取第一缺陷检测模型针对多个POY图像分别输出的多个缺陷检测结果；
[0007]基于多个缺陷检测结果，在多个POY图像中选取多个第一样本图像；
[0008]基于多个第一样本图像中的每个第一样本图像的特征信息，在多个第一样本图像中选取第二样本图像；
[0009]基于第二样本图像，对第一缺陷检测模型进行更新，得到第二缺陷检测模型。
[0010]根据本公开的另一方面，提供了一种缺陷检测模型的更新装置，包括：
[0011]获取模块，用于获取第一缺陷检测模型针对多个POY图像分别输出的多个缺陷检测结果；
[0012]第一选取模块，用于基于多个缺陷检测结果，在多个POY图像中选取多个第一样本图像；
[0013]第二选取模块，用于基于多个第一样本图像中的每个第一样本图像的特征信息，在多个第一样本图像中选取第二样本图像；
[0014]更新模块，用于基于第二样本图像，对第一缺陷检测模型进行更新，得到第二缺陷检测模型。
[0015]根据本公开的另一方面，提供了一种电子设备，包括：
[0016]至少一个处理器；以及
[0017]与该至少一个处理器通信连接的存储器；其中，
[0018]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。
[0019]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储
介质，其中，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
[0020]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。
[0021]本公开实施例的技术方案中，在第一缺陷检测模型针对多个POY图像分别输出多个缺陷检测结果后，利用该缺陷检测结果选取多个第一样本图像，再基于每个第一样本图像的特征信息选取第二样本图像。基于此，本公开实施例根据缺陷检测结果以及各样本图像的特征信息，在大量的POY图像中选取出对模型更新有价值的第二样本图像，不仅提升了模型迭代更新的样本质量，还提升了单次迭代更新的效率，使得模型能够及时适应POY流程工艺的变化，提升缺陷检测效果，准确检测出POY产品中的各种缺陷。
[0022]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0024]图1是本公开实施例的缺陷检测模型的更新方法的一个示例性的应用场景的示意图；
[0025]图2是本公开一实施例提供的缺陷检测模型的更新方法的流程示意图；
[0026]图3是本公开另一实施例提供的缺陷检测模型的更新方法的流程示意图；
[0027]图4是本公开一实施例提供的缺陷检测模型的更新装置的示意性框图；
[0028]图5是本公开另一实施例提供的缺陷检测模型的更新装置的示意性框图；
[0029]图6是用来实现本公开实施例的缺陷检测模型的更新方法的电子设备的示意性框图。
具体实施方式
[0030]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0031]为了便于理解本公开实施例的缺陷检测模型的更新方法，下面先对该方法的应用场景进行示例性说明。图1示出了本公开实施例的缺陷检测模型的更新方法的一个示例性的应用场景的示意图。在该应用场景中，部署在POY产品外检设备中的图像采集装置10(例如摄像头、相机等)用于采集POY图像。图像采集装置10可以连接缺陷检测装置20，将POY图像发送至缺陷检测装置20。缺陷检测装置20用于利用预先训练好的缺陷检测模型对POY图像进行处理，从而得到缺陷检测结果。该缺陷检测结果可以包括缺陷在POY图像中的位置、缺陷的大小、缺陷的数量等信息，也可以包括显示有缺陷检测框的POY图像。
[0032]根据本公开实施例的方法，在该应用场景中，设置缺陷检测模型的更新装置30，更新装置30可以获取POY图像以及对应的缺陷检测结果，并从获取的POY图像中选取部分图像用于模型更新，再将更新后的缺陷检测模型部署于缺陷检测装置20中。实际应用中，更新装置30和缺陷检测装置20可以是如图1所示的互相独立的装置，也可以是部署于同一设备或
同一集群中的不同程序模块。
[0033]图2示出了本公开一实施例提供的缺陷检测模型的更新方法的流程示意图。该方法可以应用于图1所示的缺陷检测模型的更新装置，但不限于此。示例性地，该装置可以部署于电子设备。电子设备例如是单机、多机或集群系统中的终端、服务器或其他处理设备。如图2所示，该方法可以包括：
[0034]步骤S210、获取第一缺陷检测模型针对多个POY图像分别输出的多个缺陷检测结果；
[0035]步骤S220、基于多个缺陷检测结果，在多个POY图像中选取多个第一样本图像；
[0036]步骤S230、基于多个第一样本图像中的每个第一样本图像的特征信息，在多个第一样本图像中选取第二样本图像；
[0037]步骤S240、基于第二样本图像，对第一缺陷检测模型进行更新，得到第二缺陷检测模型。
[0038]在本公开实施例中，第一缺陷检测模型可以是用于检测POY产品上的毛丝、油污、绊丝或夹结等缺陷的模型。示例性地，第二缺陷检测模型可以为第一缺陷检测模型的更新版本，可用于检测同类缺陷，例如，第二缺陷检测模型与第一缺陷检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缺陷检测模型的更新方法，包括：获取第一缺陷检测模型针对多个预取向丝POY图像分别输出的多个缺陷检测结果；基于所述多个缺陷检测结果，在多个POY图像中选取多个第一样本图像；基于所述多个第一样本图像中的每个第一样本图像的特征信息，在所述多个第一样本图像中选取第二样本图像；基于所述第二样本图像，对所述第一缺陷检测模型进行更新，得到第二缺陷检测模型。2.根据权利要求1所述的方法，其中，所述第一缺陷检测模型是基于第三样本图像对第三缺陷检测模型进行更新得到的；所述基于所述多个缺陷检测结果，在多个POY图像中选取多个第一样本图像，包括：基于所述多个缺陷检测结果，在所述多个POY图像中确定出多个具有目标缺陷的图像；其中，所述目标缺陷与所述第三样本图像中的缺陷具有不同的形态；将所述多个具有目标缺陷的图像作为所述多个第一样本图像。3.根据权利要求1或2所述的方法，其中，所述基于所述多个第一样本图像中的每个第一样本图像的特征信息，在所述多个第一样本图像中选取第二样本图像，包括：基于所述多个第一样本图像中的每个第一样本图像的特征信息，对所述多个第一样本图像进行聚类，得到多个图像类簇；在所述多个图像类簇中的每个图像类簇中选取部分图像，得到所述第二样本图像。4.根据权利要求1
‑
3中任一项所述的方法，其中，所述基于所述第二样本图像，对所述第一缺陷检测模型进行更新，得到第二缺陷检测模型，包括：基于交互式分割标注工具对所述第二样本图像中的缺陷进行标注，得到所述第二样本图像的标注信息；基于所述第二样本图像以及所述标注信息，对所述第一缺陷检测模型进行更新，得到所述第二缺陷检测模型。5.根据权利要求1
‑
4中任一项所述的方法，还包括：利用所述第二缺陷检测模型，对POY产品外检设备中的图像采集装置采集的POY图像进行处理，得到所述POY图像的缺陷检测结果。6.一种缺陷检测模型的更新装置，包括：获取模块，用于获取第一缺陷检测模型针对多个POY图像分别输出的多个缺陷检测结果；第一选取模块，用于基于所述多个缺陷检测结果，在多个POY图像中选取多个第一样本图像；第二选取模块，用于基于所述多个第一样本图像中的每个第一样本图像的特征信息，在所述...

【专利技术属性】
技术研发人员：彭先涛，王鹏，
申请(专利权)人：浙江恒逸石化有限公司，
类型：发明
国别省市：