焊点检测模型更新方法、装置、存储介质及计算机程序产品与流程

本公开涉及智能制造，尤其涉及一种焊点检测模型更新方法、装置、存储介质及计算机程序产品。

背景技术：

1、工业人工智能质检技术是智能制造的核心环节，通过在产线中部署缺陷检测模型提高检测效率。相关技术中，缺陷检测模型的性能优化与更新方法主要包括云端训练整包下发方法与云边协同更新方法，然而，云端训练整包下发方法带宽消耗高、更新周期长且无法响应产线的变化；云边协同更新方法易降低已掌握缺陷的检出率且更新策略僵化；相关技术的模型性能优化与更新方法难以兼顾更新效率、资源消耗与性能稳定性。

技术实现思路

1、为克服相关技术中存在的问题，本公开提供一种焊点检测模型更新方法、装置、存储介质及计算机程序产品。

2、根据本公开实施例的第一方面，提供一种焊点检测模型更新方法，应用于边缘检测设备，包括：

3、响应于图像采集设备的触发操作，获取焊点的图像数据；

4、根据所述图像数据，通过焊点检测模型获得评估结果和对应的置信度熵值；

5、响应于所述评估结果符合目标样本或者所述置信度熵值低于预设值，将数据包发送至云端平台，其中，所述数据包包括所述图像数据、所述评估结果和所述置信度熵值；

6、接收所述云端平台发送的更新策略，并根据所述更新策略更新所述焊点检测模型。

7、在一些实施例中，所述通过焊点检测模型获得评估结果和对应的置信度熵值包括：根据所述图像数据，通过所述焊点检测模型获得可见光图像缺陷结果与红外图像缺陷结果；获取所述焊点对应的焊接工艺参数，并比较所述焊接工艺参数与预设焊接工艺参数以确定参数偏离度；根据所述置信度熵值、所述可见光图像缺陷结果与所述红外图像缺陷结果以及所述参数偏离度确定所述焊点的所述评估结果。

8、在一些实施例中，所述方法还包括：响应于满足以下中的一者或者多者，确定所述评估结果符合目标样本：可见光图像缺陷检测结果与红外图像缺陷检测结果不同，参数偏离度超出偏离度阈值。

9、在一些实施例中，所述响应于所述评估结果符合目标样本或者所述置信度熵值低于预设值，将数据包发送至云端平台，包括：将所述图像数据、所述评估结果、所述置信度熵值与工艺参数向量封装为数据包；根据设置的批量传输信息，将所述数据包通过安全通道发送至云端平台。

10、在一些实施例中，所述根据所述更新策略更新所述焊点检测模型，包括：对所述更新策略对应的模型更新包进行安全校验；响应于安全校验通过，执行模型切换操作，并控制更新后的焊点检测模型根据预设的模式运行，输出推理结果；响应于所述推理结果满足预设的生效条件，启用更新后的焊点检测模型。

11、在一些实施例中，所述根据所述更新策略更新所述焊点检测模型之后，还包括：获取更新后的焊点检测模型的性能指标；根据设置的反馈周期将所述更新后的焊点检测模型的性能指标发送至云端平台，以使所述云端平台根据所述更新后的焊点检测模型的性能指标生成优化后的阈值和策略。

12、根据本公开实施例的第二方面，提供一种焊点检测模型更新方法，应用于云端平台，包括：

13、接收边缘检测设备发送的数据包，所述数据包为所述边缘检测设备响应于图像采集设备的触发操作，获取焊点的图像数据，根据所述图像数据通过焊点检测模型获得评估结果和对应的置信度熵值，并响应于所述评估结果符合目标样本或者所述置信度熵值低于预设值生成的；

14、根据所述数据包生成更新策略；

15、发送所述更新策略至所述边缘检测设备。

16、在一些实施例中，所述根据所述数据包生成更新策略，包括：响应于用户对数据包的修正标注操作，得到增量数据集；根据所述增量数据集，生成训练后的云端模型；根据所述训练后的云端模型生成模型切片更新包；根据所述模型切片更新包生成更新策略。

17、在一些实施例中，所述根据所述增量数据集，生成训练后的云端模型，包括：从历史数据存储中检索与所述增量数据集匹配的样本，得到核心回放集；响应于所述增量数据集与所述核心回放集的共同输入，生成训练后的云端模型。

18、在一些实施例中，所述根据所述训练后的云端模型生成模型切片更新包，包括：响应于确定训练后的云端模型中的目标组件，将焊点检测模型划分为多个模型切片；响应于针对所述多个模型切片执行知识蒸馏，生成对应的切片参数更新数据；响应于完成切片参数更新，将所述切片参数更新数据封装为模型切片更新包。

19、根据本公开实施例的第三方面，提供一种焊点检测模型更新装置，应用于边缘检测设备，包括：

20、第一获取模块，用于响应于图像采集设备的触发操作，获取焊点的图像信息；

21、输出模块，用于通过焊点检测模型根据所述图像信息输出焊点的评估结果；

22、第一发送模块，用于响应于所述评估结果中的样本符合目标样本，将数据包发送至云端平台，以使所述云端平台生成更新策略；

23、接收模块，用于接收所述云端平台发送的更新策略，并根据所述更新策略更新所述焊点检测模型。

24、根据本公开实施例的第四方面，提供一种焊点检测模型更新装置，包括：处理器；

25、用于存储处理器可执行指令的存储器；

26、其中，处理器被配置为执行如第一方面和/或第二方面所示的焊点检测模型更新方法。

27、根据本公开实施例的第五方面，提供一种非临时性计算机可读存储介质，非临时性计算机可读存储介质中存储有计算机执行指令，所述计算机被执行时用于实现上述第一方面和/或第二方面提供的焊点检测模型更新方法。

28、根据本公开实施例的第六方面，提供一种计算机程序产品，包括计算机程序，计算机程序被执行时实现上述第一方面和/或第二方面提供的焊点检测模型更新方法。

29、本公开的实施例提供的一种焊点检测模型更新方法、装置、存储介质及计算机程序产品，该方法通过图像采集设备触发获取焊点图像信息，经焊点检测模型输出评估结果，当样本符合目标样本时，将数据包发送至云端平台，接收云端生成的更新策略并更新本地模型，解决了传统方案中全量数据上传带宽消耗高、更新响应慢与缺乏针对性的问题，通过选择性上传样本而非全部数据，降低了网络带宽占用与云端存储压力，兼顾更新效率、资源消耗与性能稳定性。

30、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

1.一种焊点检测模型更新方法，其特征在于，应用于边缘检测设备，包括：

2.根据权利要求1所述的焊点检测模型更新方法，其特征在于，所述通过焊点检测模型获得评估结果和对应的置信度熵值包括：

3.根据权利要求2所述的焊点检测模型更新方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的焊点检测模型更新方法，其特征在于，所述响应于所述评估结果符合目标样本或者所述置信度熵值低于预设值，将数据包发送至云端平台，包括：

5.根据权利要求1所述的焊点检测模型更新方法，其特征在于，所述根据所述更新策略更新所述焊点检测模型，包括：

6.根据权利要求1所述的焊点检测模型更新方法，其特征在于，所述根据所述更新策略更新所述焊点检测模型之后，还包括：

7.一种焊点检测模型更新方法，其特征在于，应用于云端平台，包括：

8.根据权利要求7所述的焊点检测模型更新方法，其特征在于，所述根据所述数据包生成更新策略，包括：

9.根据权利要求8所述的焊点检测模型更新方法，其特征在于，所述根据所述增量数据集，生成训练后的云端模型，包括：

10.根据权利要求8所述的焊点检测模型更新方法，其特征在于，所述根据所述训练后的云端模型生成模型切片更新包，包括：

11.一种焊点检测模型更新装置，其特征在于，包括：

12.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行如权利要求1至6或权利要求7至10中任一项所述的焊点检测模型更新方法。

13.一种计算机程序产品，其特征在于，包括：