【技术实现步骤摘要】
本项专利技术属于深度学习与图像处理相关领域，主要涉及用于提高缺陷检测精度的图像直方图分析处理与预训练模型融合的方法与装置，该方案可以减少模型由于图像亮度不一致等条件而导致模型漏检误检的问题。
技术介绍
1、在工业生产、质量控制和产品检测等领域，缺陷检测一直是一项至关重要的任务。同时随着深度学习技术的快速发展，已逐渐代替传统手工以及传统算法的方式且取得了较好的成绩。
2、然后目前还存在着问题：若工业产线中摄像环境发生变化，例如亮度不一致的情况下，之前亮度环境下的数据所得到的模型将无法直接应用于当前亮度的图像数据。
3、常用的方法通常从数据着手，也就是将发生亮度变化的数据重新加入到模型中进行二次训练，使得新的模型可以是适应新亮度的数据。然而该方法重新训练会导致较大的训练成本。
技术实现思路
1、针对现有技术存在的不足，本专利技术提供了一种图像直方图分析处理与预训练模型融合的方法，可以减少模型由于图像亮度不一致等条件而导致模型漏检误检的问题。
2、为实现上述目...
【技术保护点】
1.一种图像直方图分析处理与预训练模型融合的方法，其特征在于，数据初次获取时，通过图像采集模块进行图像的收集任务、由图像预处理模块进行图像的处理、由模型训练模块和模型推理模块完成数据的训练与推理、由结果输出模块完成结果的输出；若后续获取的图像与初次训练存在图像不一致时，则采集图像数据后通过直方图分析模块进行分析图像信息，然后通过图像预处理模块进行处理，将处理后的数据交由预训练模型模块进行判定，再通过模型训练模块和模型推理模块进行图像的训练与推理，最后由结果输出模块完成结果的输出。
2.如权利要求1所述的一种图像直方图分析处理与预训练模型融合的方法，其特征在...
【技术特征摘要】
1.一种图像直方图分析处理与预训练模型融合的方法，其特征在于，数据初次获取时，通过图像采集模块进行图像的收集任务、由图像预处理模块进行图像的处理、由模型训练模块和模型推理模块完成数据的训练与推理、由结果输出模块完成结果的输出；若后续获取的图像与初次训练存在图像不一致时，则采集图像数据后通过直方图分析模块进行分析图像信息，然后通过图像预处理模块进行处理，将处理后的数据交由预训练模型模块进行判定，再通过模型训练模块和模型推理模块进行图像的训练与推理，最后由结果输出模块完成结果的输出。
2.如权利要求1所述的一种图像直方图分析处理与预训练模型融合的方法，其特征在于，若后续图像与初次训练时保持一致条件下，通过该模型推理模块进行推理，当效果不符合时再通过模型训练模块进行快速学习特征后再进行推理验证，否则直接传递至结果输出模块。
3.如权利要求2所述的一种图像直方图分析处理与预训练模型融合的方法，其特征在于，将收集的图像通过直方图分析模块进行亮度的分析，并根据分析的结果通过图像预处理模块进行图像相关的处理，其中包括数据增强调整亮度处理。
4.如权利要求3所述的一种...
【专利技术属性】
技术研发人员：黄冠杰，陈红星，
申请(专利权)人：上海帆声软件有限公司，
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。