[发明专利]用于工业质检的算法模型训练方法和装置

权利要求书

1.一种用于工业质检的算法模型训练方法，其特征在于，包括以下步骤：

将待检测工件划分为多个待检测面，并根据多个所述待检测面获取目标训练集；

采用随机梯度下降方式根据所述目标训练集对所述算法模型进行训练，以将所述算法模型对应的损失函数稳定在预设范围内，并生成第一目标检测模型；

采用余弦退火的梯度下降方式根据所述目标训练集对所述第一目标检测模型进行训练以获取第二目标检测模型。

2.根据权利要求1所述的用于工业质检的算法模型训练方法，其特征在于，根据多个所述待检测面获取所述目标训练集，包括：

分别获取各待检测面对应的目标检测图像，并根据各待检测面对应的所述目标检测图像获取相应的训练集；

对各待检测面对应的训练集进行融合以获取所述目标训练集。

3.根据权利要求1所述的用于工业质检的算法模型训练方法，其特征在于，采用所述余弦退火的梯度下降方式根据所述目标训练集对所述第一目标检测模型进行训练以获取所述第二目标检测模型，包括：

根据所述待检测工件的各待检测面对所述目标训练集进行数据筛选，以获取目标训练数据；

在余弦退火的各周期内，采用所述余弦退火的梯度下降方式根据相应的目标训练数据对所述第一目标检测模型进行训练以获取所述第二目标检测模型。

4.根据权利要求3所述的用于工业质检的算法模型训练方法，其特征在于，还包括：

获取各待检测面的目标验证集；

根据所述目标验证集对所述第二目标检测模型进行评测，以获取所述第二目标检测模型在各待检测面上进行检测时对应的目标权重。

5.一种用于工业质检的算法模型训练装置，其特征在于，包括：

第一获取模块，所述第一获取模块用于将待检测工件划分为多个待检测面，并根据多个所述待检测面获取目标训练集；

生成模块，所述生成模块用于采用随机梯度下降方式根据所述目标训练集对所述算法模型进行训练，以将所述算法模型对应的损失函数稳定在预设范围内，并生成第一目标检测模型；

第二获取模块，所述第二获取模块用于采用余弦退火的梯度下降方式根据所述目标训练集对所述第一目标检测模型进行训练以获取第二目标检测模型。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现根据权利要求1-4中任一项所述的用于工业质检的算法模型训练方法。

7.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现根据权利要求1-4中任一项所述的用于工业质检的算法模型训练方法。