買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉心鑒智控(深圳)科技有限公司申請(qǐng)的專利基于超小樣本訓(xùn)練高效質(zhì)檢模型的方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114577812B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210197654.2，技術(shù)領(lǐng)域涉及：G01N21/88；該發(fā)明授權(quán)基于超小樣本訓(xùn)練高效質(zhì)檢模型的方法及系統(tǒng)是由羅曉忠;毛子靖設(shè)計(jì)研發(fā)完成，并于2018-08-15向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于超小樣本訓(xùn)練高效質(zhì)檢模型的方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于超小樣本訓(xùn)練高效質(zhì)檢模型的方法及系統(tǒng)，涉及質(zhì)量檢測(cè)技術(shù)領(lǐng)域，包括：確定采集種類，包括要檢測(cè)的瑕疵品種類和正常品種類，按照瑕疵大小占總樣品大小的百分比分為N個(gè)等級(jí)，采集小樣品；對(duì)各種類、各等級(jí)的小樣品進(jìn)行模擬擴(kuò)充；隨機(jī)抽樣組成訓(xùn)練集、驗(yàn)證集合、測(cè)試集，并對(duì)每個(gè)集合打亂排序；SqueezenetPro訓(xùn)練質(zhì)檢模型；測(cè)試模型結(jié)果；根據(jù)精度和測(cè)試次數(shù)控制下一步跳轉(zhuǎn)；發(fā)布完成模型。本發(fā)明保證在樣本數(shù)非常少的情況下，達(dá)到幾十萬樣本數(shù)訓(xùn)練的深度學(xué)習(xí)模型的效果，從而更好的應(yīng)用于工業(yè)質(zhì)量檢測(cè)中。

本發(fā)明授權(quán)基于超小樣本訓(xùn)練高效質(zhì)檢模型的方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于超小樣本訓(xùn)練高效質(zhì)檢模型的方法，其特征在于，包括： 步驟一、確定采集種類，所述采集種類包括待檢測(cè)的瑕疵品種類和正常品種類，按照瑕疵大小占總樣品大小的百分比分為N個(gè)等級(jí)，采集小樣品； 步驟二、對(duì)各種類、各等級(jí)的小樣品進(jìn)行模擬擴(kuò)充； 所述步驟二具體包括： 將第n個(gè)等級(jí)的第k類瑕疵品和最后一類正常品，通過人工制造的方式擴(kuò)充至原樣品數(shù)的＝5倍，即，此時(shí)所有等級(jí)所有類別的瑕疵品和最后一類正常品擴(kuò)充后的總數(shù)＝5M，k＝1，2，...，K； 將手動(dòng)模擬后的第n個(gè)等級(jí)的第k類瑕疵品和最后一類正常品通過統(tǒng)一樣本在同一光源Light0、和相機(jī)Camera0條件下，以不同角度Anglep、方向Directionp、位置Positionp連續(xù)拍照的方式擴(kuò)充樣本數(shù)至原來的＝500倍； 其中Anglep∈ANGLE，p＝1，2，...，P，ANGLE是實(shí)際生產(chǎn)線上產(chǎn)品可能出現(xiàn)的角度集合；Directionp∈DIRECTION，p＝1，2，...，P，DIRECTION是實(shí)際生產(chǎn)線上產(chǎn)品可能出現(xiàn)的方向集合；Positionp∈POSITION，p＝1，2，...，P，POSITION是實(shí)際生產(chǎn)線上產(chǎn)品可能出現(xiàn)的位置集合； 通過該項(xiàng)模擬，確定樣本數(shù)B0=PA=，將每類樣品分為訓(xùn)練集合和測(cè)試集合； 對(duì)每一個(gè)b0∈B0樣本，通過相機(jī)Camera0進(jìn)行拍照，使得每個(gè)b0樣本擴(kuò)充；通過每次拍攝時(shí)相機(jī)感光的細(xì)微差異產(chǎn)生的噪聲進(jìn)行數(shù)據(jù)擴(kuò)充，通過連續(xù)拍照模擬后得到的樣本數(shù)為，進(jìn)而得到訓(xùn)練集合和測(cè)試集合； 圖像增強(qiáng)算法模擬β0倍的好樣品，將圖像進(jìn)行旋轉(zhuǎn)、平移、裁剪、填充、亮度、對(duì)比度、色差操作，在不影響產(chǎn)品外觀結(jié)構(gòu)和產(chǎn)生瑕疵的情況下將所述好樣品進(jìn)行樣本數(shù)擴(kuò)充，即；當(dāng)k=1,2,…,K-1，對(duì)應(yīng)指代瑕疵品；當(dāng)k=K時(shí)，對(duì)應(yīng)指代正常品； 采用瑕疵品模擬算法對(duì)瑕疵品進(jìn)行β0倍的擴(kuò)充，對(duì)每一類瑕疵品，k=1,2,…,K-1，生成該類瑕疵品的圖像庫，主要由瑕疵品圖像中的瑕疵圖像部分的截取、互聯(lián)網(wǎng)上搜索類似瑕疵部分的圖像和基于二維高斯分布的瑕疵圖像模擬； 對(duì)給定瑕疵類型k和給定瑕疵等級(jí)n，隨機(jī)選擇，從中隨機(jī)選擇產(chǎn)品圖像及隨機(jī)選擇坐標(biāo)w0，h0，將圖像放置于的w0，h0處模擬生成新的瑕疵品，重復(fù)此過程β0次，得到； 將所有,k=1,2,…,K輸入生成對(duì)抗網(wǎng)絡(luò)DCGAN模型中，重新生成擴(kuò)充產(chǎn)生新樣本； 獲取到產(chǎn)品的三維模型，并在三維模型上基于隨機(jī)選擇坐標(biāo)w1，h1貼圖至產(chǎn)品三維模型中，并在三維模型中加入光源Light0、和相機(jī)Camera0以不同角度Anglep、方向Directionp、位置Positionp進(jìn)行模擬拍照，重復(fù)此過程次，得到； 匯總所有生成的新數(shù)據(jù)，得到，其中，，j=0,1,2，為正整數(shù)集；得到訓(xùn)練集合和測(cè)試集合； 步驟三、隨機(jī)抽樣組成訓(xùn)練集、驗(yàn)證集和測(cè)試集； 步驟四、根據(jù)所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集，采用SqueezenetPro訓(xùn)練質(zhì)檢模型； 所述步驟四，具體包括： 初始化時(shí)將從Conv1層至Conv10層的所有權(quán)重WI由SqueezenetV1.1模型權(quán)重WI0所替換；如果已經(jīng)存在SqueezenetPro的訓(xùn)練模型，則將所有權(quán)重WI由最新的SqueezenetPro的權(quán)重替換；其中，I＝1，2，...，10； 將最頂層的softmax層的隱藏神經(jīng)元σ替換為K個(gè)，即，j=1,2,……,K； 開放SqueezenetPro的Wi提供訓(xùn)練，初始化訓(xùn)練次數(shù)tn＝0，j初始值為10，輸入數(shù)據(jù)，采用AdamGradient優(yōu)化算法訓(xùn)練W10，并觀察學(xué)習(xí)曲線，當(dāng)Dvalid上的測(cè)試結(jié)果達(dá)到Plateau，標(biāo)注l e為訓(xùn)練精度，其中e為訓(xùn)練周期epoch，標(biāo)注為訓(xùn)練結(jié)果最小差異，標(biāo)注E為訓(xùn)練周期的最小上限，當(dāng)訓(xùn)練精度差異，時(shí)，停止訓(xùn)練，并判斷l(xiāng) e1是否大于0.99，如果是，則跳轉(zhuǎn)至訓(xùn)練次數(shù)判斷；如果不是則設(shè)置i＝i-1，開放SqueezenetPro的Wi權(quán)重提供訓(xùn)練，重新進(jìn)行SqueezenetPro訓(xùn)練； 判斷當(dāng)前訓(xùn)練次數(shù)trainn＜Q是否成立，其中Q為在第n級(jí)瑕疵下的總訓(xùn)練次數(shù)；如果trainn＜Q，則trainn＝trainn+1，跳轉(zhuǎn)至步驟三進(jìn)行數(shù)據(jù)的重新篩選訓(xùn)練；如果trainn＞Q，則跳轉(zhuǎn)至步驟五； 步驟五、測(cè)試模型結(jié)果；根據(jù)精度和測(cè)試次數(shù)控制下一步跳轉(zhuǎn)； 步驟六、發(fā)布完成模型，根據(jù)所述步驟五得到的每一瑕疵級(jí)別的測(cè)試結(jié)果給出每一級(jí)瑕疵的識(shí)別精度，并且保存凍結(jié)每一級(jí)SqueezenetPro的權(quán)重，發(fā)布對(duì)應(yīng)的SqueezenetPro模型。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人心鑒智控(深圳)科技有限公司，其通訊地址為：518000 廣東省深圳市福田區(qū)華強(qiáng)北街道福強(qiáng)社區(qū)振華路中電迪富大廈4層；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。