一种产品外观缺陷发展性认知检测方法及相关装置与流程

技术特征：
1.一种产品外观缺陷发展性认知检测方法，其特征在于，包括：获取目标产品的正常品图像；基于所述正常品图像训练异常检测模型；通过训练后的所述异常检测模型对所述目标产品进行检测，获取初始异常品图像；在接收到所述初始异常品图像后，并当所述异常品图像满足预设条件时，根据预设任务选取目标任务模型，并根据所述异常品图像对所述目标任务模型进行训练；通过训练后的所述目标任务模型对所述目标产品进行检测，完成所述目标任务。2.根据权利要求1所述的方法，其特征在于，在所述通过训练后的所述目标任务模型对所述目标产品进行检测之后，还包括：接收根据所述目标任务模型对所述目标产品进行检测时获取的后续异常品图像；根据所述后续异常品图像对所述目标任务模型进行更新，并通过更新后的所述目标任务模型对所述目标产品进行检测。3.根据权利要求2所述的方法，其特征在于，所述根据所述后续异常品图像对所述目标任务模型进行更新包括：通过无监督聚类模型对所述后续异常品图像进行标注，得到后续伪标注样本；根据所述后续伪标注样本对所述目标任务模型进行增量学习，以对所述目标任务模型进行更新。4.根据权利要求1所述的方法，其特征在于，所述根据所述异常品图像对所述目标任务模型进行训练包括：调用小样本学习模型，根据所述异常品图像对所述目标任务模型进行训练。5.根据权利要求4所述的方法，其特征在于，在获取初始异常品图像之后，还包括：通过无监督聚类模型对所述初始异常品图像进行标注，得到初始伪标注样本；所述调用小样本学习模型，根据所述异常品图像对所述目标任务模型进行训练包括：调用小样本学习模型，根据所述初始伪标注样本对所述目标任务模型进行训练。6.根据权利要求1所述的方法，其特征在于，所述目标任务模型包括：分类模型、目标检测模型、图像分割模型。7.一种产品外观缺陷发展性认知检测装置，其特征在于，包括：正常品图像获取模块，用于获取目标产品的正常品图像；异常检测模型训练模块，基于所述正常品图像训练异常检测模型；异常检测模型发送模块，用于通过训练后的所述异常检测模型对所述目标产品进行检测，获取初始异常品图像；目标任务模型训练模块，用于在接收到所述初始异常品图像后，并当所述异常品图像满足预设条件时，根据预设任务选取目标任务模型，并根据所述异常品图像对所述目标任务模型进行训练；目标任务模型发送模块，用于通过训练后的所述目标任务模型对所述目标产品进行检测，完成所述目标任务。8.根据权利要求7所述的装置，其特征在于，还包括：后续异常品图像获取模块，用于接收根据所述目标任务模型对所述目标产品进行检测时获取的后续异常品图像；
更新模块，用于根据所述后续异常品图像对所述目标任务模型进行更新，并通过更新后的所述目标任务模型对所述目标产品进行检测。9.一种产品外观缺陷发展性认知检测设备，其特征在于，所述设备包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序时实现如权利要求1至6任一项所述产品外观缺陷发展性认知检测方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述产品外观缺陷发展性认知检测方法的步骤。

技术总结
本发明公开了一种产品外观缺陷发展性认知检测方法，通过先使用正常品图像对异常检测模型进行训练，再使用训练后的异常检测模型识别出产线中生产产品的异常品图像，之后再使用异常品图像训练具有针对性的目标任务模型，最终基于训练的目标任务模型完成目标任务。整个流程仅需要人工对异常品图像进行标注，而不需要在初始训练模型时人工对全部图像，包括正常品图像进行标注，从而可以明显减少人工标注的数量，提高模型训练效率。本发明还提供了一种产品外观缺陷发展性认知检测装置、一种产品外观缺陷发展性认知检测设备即存储介质，同样具有上述有益效果。有上述有益效果。有上述有益效果。


技术研发人员：丁宁 马琳 何星 夏轩 李南 潘喜洲 张爱东
受保护的技术使用者：深圳市人工智能与机器人研究院
技术研发日：2021.07.22
技术公布日：2021/10/28