龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江工业大学
申请日：2024-01-11
公开（公告）日：2024-05-17
公开（公告）号：CN118052770A
主分类号：G06T7/00
分类号：G06T7/00;G06V10/25;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/0895
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.04#实质审查的生效;2024.05.17#公开
摘要：一种基于半监督训练策略的表面缺陷检测方法，进行表面图像采集，构建表面缺陷数据集；划分表面缺陷数据集；使用Labelimg工具对标注数据集中的图片进行数据标注；划分标注数据集，修改yolov7模型，得到yolov7‑ea模型；在监督阶段，yolov7‑ea模型在标注数据集进行训练，并将训练好的yolov7‑ea模型作为伪标签生成器；在半监督阶段，使用yolov7‑ea模型作为检测模型。利用伪标签生成器推理未标注数据生成伪标签，联合标注数据和带伪标签的未标注数据训练检测模型，并且实时用效果最好的检测模型更新伪标签生成器。本发明大大减少人工标注工作量的同时取得良好的检测性能。
主权项：1.一种基于半监督训练策略的表面缺陷检测方法，其特征在于，所述方法包括以下步骤：S1，搭建表面图像采集系统，进行表面图像采集，构建表面缺陷数据集；S2，划分表面缺陷数据集，按照设定比例划分为未标注数据集和标注数据集；S3，使用Labelimg工具对标注数据集中的图片进行数据标注；S4，划分标注数据集，按照设定比例划分为训练集和测试集；S5，修改yolov7模型，得到yolov7-ea模型；S6，在监督阶段，yolov7-ea模型在标注数据集进行训练，并将训练好的yolov7-ea模型作为伪标签生成器；S7，在半监督阶段，使用yolov7-ea模型作为检测模型，利用伪标签生成器推理未标注数据生成伪标签，联合标注数据和带伪标签的未标注数据训练检测模型，并且实时用效果最好的检测模型更新伪标签生成器。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于半监督训练策略的表面缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号