工业缺陷分类方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及计算机技术领域，特别涉及一种工业缺陷分类方法、装置、电子设备及存储介质，其中，方法包括：获取目标域的训练数据集；设计适用于迁移学习的注意力原型网络；利用训练数据集训练目标域的分类模型，直到满足预设训练条件时，得到训练完成的分类模型，其中，目标域的分类模型由源域的分类模型特征迁移学习得到，根据工业迁移学习数据量小，数据分布有差异等问题添加训练策略；将工业缺陷的数据输入训练完成的分类模型，输出工业缺陷的实际类别。由此，解决了相关技术中工业缺陷分类迁移学习中源域与目标域数据分布差异带来的训练效率低以及已有迁移学习方案精度不高等问题。效率低以及已有迁移学习方案精度不高等问题。效率低以及已有迁移学习方案精度不高等问题。

【技术实现步骤摘要】
工业缺陷分类方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，特别涉及一种工业缺陷分类方法、装置、电子设备及存储介质。

技术介绍

[0002]工业制品在现代社会中无处不在，工业缺陷分类，旨在发现各种工业制品的瑕疵，是保障产品质量、维持生产稳定的重要技术之一，近年来，随着工业成像、计算机视觉和深度学习等新的领域技术层出不穷，基于视觉的工业缺陷检测技术得到了很大的发展，也逐渐成为了针对产品外观质检的一种有效的解决方案。
[0003]工业场景中常常会面临更换产品线的情况，而不同产品线需要检测的缺陷会有差异，从而使得新的产线没有大量数据可供训练，且再进行大规模标注，则会带来较大的经济和时间成本，针对这种问题，一个有效的解决方法是使用迁移学习，迁移学习是机器学习中解决训练数据不足这一基本问题的重要工具，其中，它可以通过放松训练数据和测试数据必须是独立且同分布的假设，将知识从源域迁移到目标域，迁移学习并不需要对目标域内的模型进行从零开始的训练，就可以显著降低对目标域内训练数据和训练时间的需求，因此这将对许多由于训练数据不足而难以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业缺陷分类方法，其特征在于，包括以下步骤：获取目标域的训练数据集；设计适用于迁移学习的注意力原型网络；利用训练数据集训练目标域的分类模型，直到满足预设训练条件时，得到训练完成的分类模型，其中，训练阶段，以源域训练所得缺陷分类模型作为目标域训练模型的预训练模型，将预训练模型中预设层的可学习参数进行冻结，对预设层中批量归一化层的统计参数解冻，且增加批量归一化动量；将工业缺陷数据输入所述训练完成的分类模型，输出工业缺陷的实际类别。2.根据权利要求1所述的工业缺陷分类方法，其特征在于，在所述获取目标域的训练数据集之后，还包括：设计数据增广模块，训练过程中，在每个批次的数据进入网络之前，经过不同增强程度、不同数据增强手段以增强目标域数据的多样性。3.根据权利要求1所述的工业缺陷分类方法，其特征在于，所述设计适用于迁移学习的注意力原型网络，包括：数据经过第一层卷积、批量归一化、激活函数以及最大池化层后，添加注意力模块，所述注意力模块包括全连接层或卷积层、池化层，经过特征提取下采样层后，添加注意力机制，所述注意力机制采用注意力分数，得到最后的特征向量；将所述特征向量输入模型分类全连接层，采用带边缘的激活函数，公式为：，其中，表示缩放系数，表示边缘系数，表示类别总数，表示类别对应的参数的转置，表示类别向量y的第个值，表示类别向量y的第个值，表示对应的输入特征，表示对应的...

【专利技术属性】
技术研发人员：冯秋晨，陈凯，李澜，陈仕江，
申请(专利权)人：清软微视杭州科技有限公司，
类型：发明
国别省市：