[发明专利]流水化产品数据集增强方法、系统、设备及存储介质

说明书

本发明提供一种流水化产品数据集增强方法、系统、设备及存储介质，属于产品缺陷检测技术领域。流水化产品数据集增强方法包括：获取多张待训练的工业产品图像，制作工业产品图像数据集；基于工业产品图像数据集训练预设的检测模型，得到工业检测模型；根据工业检测模型构建并训练生成对抗网络模型，获得生成对抗网络模型的生成器模型和判别器模型；使用生成器模型构建预备数据集，并基于预备数据集和工业产品图像数据集训练判别器模型，若判别器模型符合数据增强条件，在工业产品图像数据集中加入预备数据集。解决了当前部分工业产品检测训练集过少、难以获取、质量不高的问题。

技术领域

本发明涉及产品缺陷检测技术领域，具体涉及一种流水化产品数据集增强方法、系统、设备及存储介质。

背景技术

随着工业化水平的不断提高与生产需求的不断增长，部分工业产品的生产规模与业务量不断扩大，在流水线生产中不可避免的产生大量存在缺陷的工业产品，如何快速准确的识别工业产品成为当下的首要问题。对此，部分企业采用了机器学习技术来训练工业检测模型，不仅能够控制成本、节省人力，还能够实现高效的工业缺陷检测，从而有效提高生产效率与产品质量。

当前工业检测模型训练仍面临着诸多问题，如用于训练的图像数据难以大量收集。此问题在中小型企业中尤为突出，想要确保模型的准确率，需要耗费大量的人力去搜集数据，导致成本投入较大，成本高。另一方面，由于搜集人员的疏忽，可能会得到部分质量较差的数据集，导致企业无法准确确认图像数据的优劣性，反而不利于提升当前的工业检测模型的准确率，从而导致当前企业的工业检测模型准确率不高，不能确保企业生产的安全性，影响企业的生产效率。因此，需要提供一种流水化产品数据集增强方法、系统、设备及存储介质。

发明内容

鉴于以上现有技术的缺点，本发明的目的在于提供一种流水化产品数据集增强方法、系统、设备及存储介质，以改善现有技术中，工业产品检测训练集过少、难以获取、质量不高的问题。

为实现上述目的及其它相关目的，本发明提一种流水化产品数据集增强方法，包括以下过程：

获取多张待训练的工业产品图像，制作工业产品图像数据集；

基于所述工业产品图像数据集训练预设的检测模型，得到工业检测模型；

根据所述工业检测模型构建并训练生成对抗网络模型，获得所述生成对抗网络模型的生成器模型和判别器模型；

使用所述生成器模型构建预备数据集，并基于所述预备数据集和所述工业产品图像数据集训练所述判别器模型，若所述判别器模型符合数据增强条件，在所述工业产品图像数据集中加入所述预备数据集。

在本发明一实施例中，所述基于所述工业产品图像数据集训练预设的检测模型，得到工业检测模型，包括以下过程：

对所述工业产品图像数据集进行划分，获得训练集和测试集；

对所述训练集进行分组，获得多组训练图像；

将每组训练图像分别输入至所述检测模型中进行迭代训练，获得初步训练的工业检测模型；

将所述测试集输入至所述初步训练的工业检测模型进行测试，若测试结果符合预设阈值，得到工业检测模型。

在本发明一实施例中，所述基于所述工业产品图像数据集训练预设的检测模型，得到工业检测模型，包括以下过程：

对所述工业产品图像数据集进行划分，获得训练集和测试集；

对所述训练集进行分组，获得多组训练图像；

将每组训练图像分别输入至所述检测模型中进行迭代训练，获得初步训练的工业检测模型；

将所述测试集输入至所述初步训练的工业检测模型进行测试，若测试结果符合预设阈值，得到工业检测模型。