[发明专利]一种巡检算法演进方向的校验方法及相关设备

权利要求书

1.一种巡检算法演进方向的校验方法，其特征在于，包括：

调用初始算法对预设巡检图像数据集进行分类得到第一数据集和第二数据集，并得到所述第一数据集和所述第二数据集内各图像的第一初始属性分数，所述预设巡检图像数据集包括按预设比例设置的正常图像集和缺陷图像集；

调用目标算法对所述第一数据集和所述第二数据集内各图像进行分析，得到所述第一数据集和所述第二数据集内各图像的第一目标属性分数，所述目标算法为所述初始算法完成迭代后的算法；

基于所述第一初始属性分数和所述第一目标属性分数确定是否存在所述第一初始属性分数和所述第一目标属性分数的差异值大于第一预设值的目标图像，以判断所述目标算法的演进方向是否正确。

2.如权利要求1所述的巡检算法演进方向的校验方法，其特征在于，所述基于所述第一初始属性分数和所述第一目标属性分数确定是否存在所述第一初始属性分数和所述第一目标属性分数的差异值大于第一预设值的目标图像，以判断所述目标算法的演进方向是否正确的步骤，包括：

匹配所述第一数据集和所述第二数据集内各图像的所述第一初始属性分数和所述第一目标属性分数，得到所述第一数据集和所述第二数据集内各图像的第一差异值；

将所述第一差异值大于所述第一预设值的图像作为第一目标图像，并将所述第一目标图像保存至数据库；

若所述目标图像的数量大于阈值，则判断所述目标算法的演进方向不正确；

若所述目标图像的数量小于等于阈值，则调用所述目标算法将去除所述目标图像的目标缺陷图像集分割为第三数据集和第四数据集，并计算所述第三数据集和所述第四数据集的第二初始属性分数；

计算所述缺陷图像集的第二目标属性分数，并基于所述第二初始属性分数和第二目标属性分数得到所述第二初始属性分数和第二目标属性分数的第二差异值；

将大于第二预设值的第二差异值对应得第二目标图像保存至所述数据库内；

若所述数据库内第一目标图像和所述第二目标图像得数量之和小于等于所述阈值，则分别计算所述初始算法和所述目标算法的平均绝对比例错误和综合评价指标，并基于所述平均绝对比例错误和所述综合评价指标的变化幅度判断所述目标算法的演进方向是否正确。

3.如权利要求2所述的巡检算法演进方向的校验方法，其特征在于，所述计算所述缺陷图像集的第二目标属性分数的步骤，包括：

计算所述缺陷图像集的真正例、假正例、真反例和假反例；

基于所述真正例、所述假正例、所述真反例和所述假反例计算所述缺陷图像集的准确率、精确率和召回率，将所述缺陷图像集的准确率、精确率和召回率作为所述缺陷图像集的第二目标属性分数。

4.如权利要求2所述的巡检算法演进方向的校验方法，其特征在于，所述计算所述第三数据集和所述第四数据集的第二初始属性分数的步骤之前，包括：

计算所述第三数据集和所述第四数据集的真正例、假正例、真反例和假反例；

基于所述真正例、所述假正例、所述真反例和所述假反例计算所述缺陷图像集的准确率、精确率和召回率，将所述第三数据集和所述第四数据集的准确率、精确率和召回率作为所述第三数据集和所述第四数据集的第二初始属性分数。

5.如权利要求2所述的巡检算法演进方向的校验方法，其特征在于，所述匹配所述第一数据集和所述第二数据集内各图像的所述第一初始属性分数和所述第一目标属性分数，得到所述第一数据集和所述第二数据集内各图像的第一差异值的步骤，包括：

基于所述第一数据集和所述第二数据集内各图像的所述第一初始属性分数和所述第一目标属性分数计算所述第一数据集和所述第二数据集内各图像的平均绝对误差、均方根误差和平均绝对百分比误差；

将所述平均绝对误差、所述均方根误差和所述平均绝对百分比误差作为所述第一数据集和所述第二数据集内各图像的第一差异值。

6.如权利要求5所述的巡检算法演进方向的校验方法，其特征在于，在所述分别计算所述初始算法和所述目标算法的平均绝对比例错误和综合评价指标的步骤之前，还包括：

计算所述初始算法和所述目标算法的平均绝对偏差。