【技术实现步骤摘要】
集装箱偶发残损样本挖掘及学习方法、装置、设备、介质
[0001]本申请涉及集装箱残损缺陷检测
,具体涉及一种适用于集装箱应用场景下的集装箱偶发残损样本挖掘及学习方法
、
装置
、
设备
、
介质
。
技术介绍
[0002]集装箱的残损缺陷检测对于保证运输安全和货物质量至关重要,以往需要依赖于人眼对集装箱的残损进行统计识别
。
近年来,深度学习模型在计算机视觉领域取得了广泛应用,并在集装箱残损检测方面取得了一定进展
。
[0003]然而,现有的深度学习模型需要大量的各种类型缺陷数据进行训练,但对于集装箱残损缺陷类型出现概率极低的场景来说,无法满足这一前提
。
[0004]由于现有技术难以解决训练数据量这一问题,导致深度学习模型因缺乏足量数据训练,在针对集装箱残损缺陷进行检测时,检测精度明显下降,因而这些深度学习模型在集装箱检测场景中难易量产落地应用
。
[0005]基于此,针对集装箱残损类型出现概率低的应用场景,需要一种新的残损样本挖掘技术方案
。
技术实现思路
[0006]有鉴于此,本说明书实施例提供一种适用于集装箱应用场景下的集装箱偶发残损样本挖掘及学习方法
、
装置
、
设备
、
介质,通过对集装箱残损样本数据完成挖掘学习后得到挖掘模型,使得模型能够用于集装箱残损样本挖掘,从而能够为深度学习模型在集装箱领域应用提供足量 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种集装箱偶发残损样本挖掘学习方法,其特征在于,包括:获取预设的多级多属性类别,其中多级多属性类别为将集装箱残损分类类别按残损等级和残损属性,结合集装箱理货先验性知识划分得到的预设分类类别;根据所述多级多属性类别对少量集装箱残损样本数据进行标注,其中每个级别的每个属性类别有至少1个正例标记样本对应,并对应
n
个不同环境下采样的标记负例样本,共同组成初始训练样本集;对每个级别残损对应的半监督学习模型进行半监督学习,其中每个半监督学习模型基于自身对应的标记样本进行对比学习优化的半监督学习训练,对比学习优化的半监督采用教师模型和学生模型进行对比学习;其中,半监督学习训练中,教师模型先基于标记样本进行训练,再对未标记样本进行伪标签推理预测得到伪标签样本,学生模型基于伪标签样本集进行对比学习训练
。2.
根据权利要求1所述的集装箱偶发残损样本挖掘学习方法,其特征在于,对比学习优化的半监督学习训练中,交叉熵损失函数定义为:其中,为交叉熵损失;表示第个样本的实际类别,表示正例,表示负例;表示样本数;表示模型预测第个样本为正例的概率值;和
/
或,对比学习损失函数定义为:其中,为对比学习损失;表示当前样本特征,表示正例样本特征,表示负例样本特征
。3.
根据权利要求2所述的集装箱偶发残损样本挖掘学习方法,其特征在于,所述集装箱偶发残损样本挖掘学习方法还包括:在对比学习优化的半监督学习训练中,按照属性类别构建队列,组成属性类别对应的特征池,以便将模型预测得到的新样本更新入特征池;从特征池中选取正例样本和负例样本,并将选取出正例样本和负例样本优化交叉熵损失函数和
/
或对比学习损失函数
。4.
根据权利要求3所述的集装箱偶发残损样本挖掘学习方法,其特征在于,通过随机采样固定个数从特征池中选取正例样本和负例样本,并且特征池进行动态更新,保证动态优化最新的特征,实现特征优化
。5.
根据权利要求1所述的集装箱偶发残损样本挖掘学习方法,其特征在于,所述集装箱偶发残损样本挖掘学习方法还包括:按指数平均数指标公式动态更新教师模型在对比学习优化的半监督学习中的权重,其中教师模型的权重按下式计算:
其中,为更新后教师模型的权重;为更新前教师模型的权重;为预设的平滑指数;为学生模型的权重
。6.
根据权利要求1‑5中任意一项所述的集装箱偶发残损样本挖掘学习方法,其特征在于,集装箱的残损属性划分为:穿洞
、
破损
、
凹陷
、
外凸
、
箱体变形
、
划伤
、
铅封缺失
、
脏污
、
锈迹
、
箱柱变形
、
门柱变形
、
梁变形
、
顶角变形;残损等级划分为:重要等级
、
中等等级和一般等级,其中重要等级包含的属性分类有穿洞
、
破损
、
箱柱变形
、
门柱变形
、
梁变形
、
顶角变形
、
铅封缺失;中等等级包含的属性分类有凹陷
、
外凸
、
箱体变形
、
划伤;一般等级包含有的属性分类有脏污
、
锈迹
。7.
一种集装箱偶发残损样本挖掘方法,其特征在于,包括:将多个集装箱残损标记样本
Xi
输入到学生模型中,利用学生模型获取出标记样本
Xi
对应的原型特征
Mi
;其中,标记样本为根据多级多属性类别对少量样本数据进行标注得到的样本,每个级别的每个属性类别有至少1个标记样本对应,多级多属性类别为将集装箱残损分类类别按残损等级和残损属性划分得到;学生模型为利用如权利要求1‑6中任意一项所述的集装箱偶发残损样本挖掘学习方法训练得到的学生模型;将未标记样本
X
输入到学生模型中,得到未标记样本
X
对应的预测特征
Mx
及置信度;根据预测特征
Mx
及置信度,将未标记样本
X
技术研发人员:汪瀚,杨帆,
申请(专利权)人:哪吒港航智慧科技上海有限公司,
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。