[发明专利]用于缺陷检测的样本收集方法、装置和设备

说明书

本发明公开了本发明提供一种用于缺陷检测的样本收集方法、装置和计算机设备，其通过获取第一检测数据，并确定与其对应的用于进行缺陷检测的目标模型；若目标模型输出的缺陷检测结果或对应的置信度满足第一类样本收集预置条件，则将第一检测数据添加至目标模型的训练样本集，训练样本集达到预设更新条件时，对目标模型进行更新，从而将筛选得到发生概率较少的缺陷样本增加至目标模型的训练样本集，进而增加目标模型对这类缺陷的判别能力，以解决现有的图像缺陷检测模型存在对于发生概率较少的缺陷的判别准确度不高的技术问题。

技术领域

本发明涉及显示缺陷检测技术领域，尤其涉及一种用于缺陷检测的样本收集方法、装置和计算机设备。

背景技术

随着人工智能高潮，机器学习和深度学习已经应用到生活、工业中，但随着市场需求，通过机器学习或深度学习训练神经网络模型，例如，基于大量的样本学习得到训练好的图像缺陷检测模型，利用训练好的图像缺陷检测模型进行缺陷检测操作。然而，由于处于发生概率较少的缺陷这类样本较少，如判等依据边缘的缺陷，或者该类缺陷属于罕见缺陷，由于训练的样本数太少，这类缺陷极有可能发生过检、漏检甚至错检。

发明内容

本发明的主要目的在于提供一种用于缺陷检测的样本收集方法、装置和计算机设备，旨在现有的图像缺陷检测模型存在对于发生概率较少的缺陷的判别准确度不高的技术问题。

第一方面，本发明提供一种用于缺陷检测的样本收集方法，一种用于缺陷检测的样本收集方法，包括：

获取第一检测数据，并确定与其对应的用于进行缺陷检测的目标模型；

若目标模型输出的缺陷检测结果或对应的置信度满足第一类样本收集预置条件，则将第一检测数据添加至目标模型的训练样本集，训练样本集达到预设更新条件时，对目标模型进行更新。

可选的，目标模型的确认过程包括：

获取与第一检测数据对应的第一验证样本集，将第一验证样本输入多个预置模型，获得各个预置模型的模型评价指标值；若模型评价指标值达到预置阈值，则确定对应的预置模型为目标模型。

可选的，样本收集方法还包括：

第二检测数据为所述第一验证样本集的样本之一，多个预置模型对应于第二检测数据输出的缺陷检测结果存在一个或多个误判时，则将第二检测数据添加至各个预置模型的训练样本集，训练样本集达到预设更新条件时，对预置模型进行更新。

可选的，第一类样本收集预置条件包括：

目标模型输出的缺陷类型属于第一类缺陷类型；

和/或，第一检测数据为标准样本库的样本之一，目标模型输出的缺陷检测结果与标准样本库所标注的缺陷不同；

和/或，置信度处于预设阈值区间。

可选的，目标模型输出的缺陷类型属于第一类缺陷类型时，则将第一检测数据添加至训练样本集中与第一类缺陷类型对应的子样本集。

可选的，目标模型输出的缺陷检测结果与标准样本库所标注的缺陷不同时，则将第一检测数据添加至训练样本集中与标准样本库所标注的缺陷对应的子样本集。

可选的，置信度处于预设阈值区间时，对第一检测数据进行人工复判，并将第一检测数据添加至训练样本集中与人工复判结果对应的子样本集。

第二方面，本发明还提供一种用于缺陷检测的样本收集装置，其特征在于，样本收集装置包括：

目标模型获取模块，用于获取第一检测数据，并确定与其对应的用于进行缺陷检测的目标模型；