[发明专利]训练数据集的生成方法及装置

说明书

本发明提供一种训练数据集的生成方法、装置、设备及可读存储介质。该方法包括：生成缺陷样本图片集；将所述缺陷样本图片集中的至少一张图片分别输入失真干扰系统，所述失真干扰系统为使输入的图片失真的系统；所述失真干扰系统包括面板显示失真系统和成像失真系统，所述面板显示失真系统为由于面板显示参数的不同使得图片具有不同失真的系统，所述成像失真系统为由于成像的干扰因素使得图片失真的系统；将所述失真干扰系统输出的图片集作为训练数据集。通过本发明，生成多样性以及真实性均较高的训练数据集，从而使得基于该训练数据集训练得到的用于缺陷检测的深度神经网络模型具有高度泛化性和通用性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种训练数据集的生成方法及装置。

背景技术

现有技术中，显示面板显示缺陷检测一般是通过人眼观察或者通过深度神经网络模型进行检测。人眼检测的过程存在很强的主观性，不利于严格划分等级，同时随着工作时间的延长，人也会出现疲劳，导致检测效率降低；而通过深度神经网络模型进行检测，需要通过大量的训练样本训练出用于缺陷检测的深度神经网络模型。

训练样本的真实性以及多样性会直接影响训练出的用于缺陷检测的深度神经网络模型的优劣性。目前，一般是对原始图片进行裁剪、缩放，增加噪声、改变亮暗程度、旋转等常规变换来进行数据扩展，从而得到训练样本。这种方式得到的训练样本的真实性以及多样性较差，从而导致训练得到的深度神经网络模型的通用性和泛化性难以满足实际的缺陷检测需求。

发明内容

本发明的主要目的在于提供一种训练数据集的生成方法及装置，旨在解决现有技术中得到的训练样本的真实性以及多样性较差的技术问题。

第一方面，本发明提供一种训练数据集的生成方法，所述方法包括：

生成缺陷样本图片集；

将所述缺陷样本图片集中的至少一张图片分别输入失真干扰系统，所述失真干扰系统为使输入的图片失真的系统；

所述失真干扰系统包括面板显示失真系统和成像失真系统，所述面板显示失真系统为由于面板显示参数的不同使得图片具有不同失真的系统，所述成像失真系统为由于成像的干扰因素使得图片失真的系统；

将所述失真干扰系统输出的图片集作为训练数据集。

可选的，所述生成缺陷样本图片集包括：

生成至少一个随机矩阵，对所述至少一个随机矩阵通过上采样插值得到至少一个低频图像；

将所述至少一个低频图像与第一背景图像融合，得到至少一个第二背景图像；

将所述至少一个第二背景图像与Mura缺陷融合，得到缺陷样本图片集。

可选的，所述将所述至少一个第二背景图像与Mura数据融合的步骤包括：

分别在所述至少一个第二背景图像上添加不同类型的Mura缺陷；

和/或，分别在所述至少一个第二背景图像上的不同位置添加Mura缺陷；

和/或，分别在所述至少一个第二背景图像上添加同一类型不同大小的Mura缺陷；

和/或，分别在所述至少一个第二背景图像上添加同一类型不同对比度的Mura缺陷。

可选的，所述面板显示失真系统包括利用不同类型的显示面板对输入的图像进行显示的系统，所述成像失真系统包括利用不同类型的相机对显示面板显示的图像进行图像采集的系统；

所述将所述缺陷样本图片集中的至少一张图片分别输入失真干扰系统的步骤包括：

将所述缺陷样本图片集中的至少一张图片利用不同类型的显示面板进行显示，利用不同类型的相机对显示面板显示的图像进行图像采集；