基于深度学习模型的箱包品质检测方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种基于深度学习模型的箱包品质检测方法、装置及存储介质，预先训练深度学习模型，所述深度学习模型输入层、中间层以及输出层；获取箱包的品质数据，所述品质数据包括待检测箱包不同位置的图像；将所述品质数据输入至深度学习模型的输入层，依次经过输入层、中间层以及输出层对所述品质数据进行处理，得到箱包的品质评估值。本发明专利技术提供有多个基于深度学习的评估模型，通过对箱包的品质数据进行综合评估得到最终的机器品质评估值，该品质评估值能够有效反应当前箱包的品质。品质评估值能够有效反应当前箱包的品质。品质评估值能够有效反应当前箱包的品质。

【技术实现步骤摘要】
基于深度学习模型的箱包品质检测方法、装置及存储介质


[0001]本专利技术涉及奢侈品鉴定
，尤其是涉及一种基于深度学习模型的箱包品质检测方法、装置、系统及存储介质。

技术介绍

[0002]二手奢侈品的成色鉴定是二手奢侈品市场中估价的重要环节，也是消费者选择时的关键评判标准。在目前的奢侈品市场中，奢侈品成色鉴定主要靠人工鉴定来完成，随着需要鉴定的奢侈品的数量不断增长，现有的成色评估师已经不能满足日均鉴定需求，且由于工作量的增加导致成色评估师对奢侈品的成色鉴定出现了较大的误差，鉴定失误开始出现，造成当前二手奢侈品的成色鉴定的精准度出现下滑，且鉴定效率较低。

技术实现思路

[0003]本专利技术的目的就是为了克服上述现有技术存在的鉴定的精准度不足且鉴定效率较低的缺陷而提供一种基于深度学习模型的箱包品质检测方法、装置、系统及存储介质。
[0004]本专利技术的目的可以通过以下技术方案来实现：本专利技术的第一方面提供一种基于深度学习模型的箱包品质检测方法，包括：接收待检测箱包的不同位置的图像，基于所述图像获得箱包各个位置的当前品质数据；所述深度学习模型包括多个评估模型，将箱包各个位置的当前品质数据输入至预先训练的多个基于深度学习的评估模型中，其中每个评估模型的参数具有不同的参数梯度；多个基于深度学习的评估模型分别对所述箱包各个位置的当前品质数据进行处理，生成箱包的多个品质评估值；基于多个品质评估值得到箱包的机器品质评估值。
[0005]可选地，在第一方面的一种可能实现方式中，所述多个基于深度学习的评估模型分别对所述箱包各个位置的当前品质数据进行处理，生成箱包的多个品质评估值包括：箱包为,；将箱包的各个位置的品质数据集合标记为,其中表示箱包的a位置的品质数据，表示箱包的b位置的品质数据，表示箱包的n位置的品质数据；一个评估模型的各个参数的参数梯度集合记为,其中表示模型可能对位置a处的参数梯度可能为，表示模型可能对位置a处的参数梯度可能为、表示模型可能对位置n处的参数梯度可能为；所述确定方法包括如下步骤：
待检测的箱包包括，模型分别对箱包进行成色评估，若∈，则确定出箱包,在各个评估模型的评估集合如下：选取与当前待检测的箱包对应的一个或多个模型，分别得到多个品质评估值的集合，为，其中可以是空集。
[0006]可选地，在第一方面的一种可能实现方式中，基于多个品质评估值得到箱包的机器品质评估值包括：基于以下公式计算机器品质评估值，其中，k为预设的权重值，n为对箱包对应的评估模型的个数。
[0007]可选地，在第一方面的一种可能实现方式中，在基于多个品质评估值得到箱包的机器品质评估值后，还包括：接收管理者输入的建议品质评估值，其中建议品质评估值为管理者预先设置方式或随时输入方式中的任意一个或多个；获取机器品质评估值和建议品质评估值，判断机器品质评估值和建议品质评估值间的差值是否大于预设值；若大于预设值，则对所述评估模型的参数梯度进行改变再次对箱包的机器成色进行评估获得二次机器品质评估值；重复上述的步骤，直至机器品质评估值和建议品质评估值之间的差值小于预设值。
[0008]可选地，在第一方面的一种可能实现方式中，所述则对所述评估模型的参数梯度进行改变再次对箱包的机器成色进行评估获得二次机器品质评估值包括：判断所述机器品质评估值大于或小于建议品质评估值；若所述机器品质评估值大于所述建议品质评估值，则将模型内的各个参数的参数梯度分别降低预设幅度；再次对箱包的机器成色进行评估获得二次机器品质评估值。
[0009]可选地，在第一方面的一种可能实现方式中，若所述机器品质评估值小于所述建议品质评估值，则将模型内的各个参数的参数梯度分别提高预设幅度；再次对箱包的机器成色进行评估获得二次机器品质评估值。
[0010]本专利技术的第二方面提供一种基于深度学习模型的箱包品质检测装置，包括：
获取模块，用于接收待检测箱包的不同位置的图像，基于所述图像获得箱包各个位置的当前品质数据；输入模块，所述深度学习模型包括多个评估模型，用于将箱包各个位置的当前品质数据输入至预先训练的多个基于深度学习的评估模型中，其中每个评估模型的参数具有不同的参数梯度；处理模块，用于多个基于深度学习的评估模型分别对所述箱包各个位置的当前品质数据进行处理，生成箱包的多个品质评估值；得取模块，用于基于多个品质评估值得到箱包的机器品质评估值。
[0011]本专利技术的第二方面提供一种基于深度学习模型的箱包品质检测系统，包括上述的方法，包括箱包录入模块、箱包测评模块和成色等级评定模块，所述箱包录入模块获取待鉴定箱包的初始图像，所述箱包测评模块中设有多个测评点模组，箱包测评模块通过测评点模组对所述初始图像中的相应区域进行成色鉴定，生成对应区域的成色得分，每个测评点模组的成色得分根据预设权重进行相加，得到待鉴定箱包的最终成色得分，所述成色等级评定模块根据待鉴定箱包的最终成色得分进行数据校验，输出待鉴定箱包对应的成色等级；所述测评点模组从初始图像中的相应区域获取多个摆放痕迹图像，判断摆放痕迹图像对应区域的瑕疵程度，所述测评点模组的类型包括包身测评组、油边测评组、边角测评组、五金测评组、手柄测评组、内里测评组和配件测评组；所述包身测评组对初始图像中包身的摆放痕迹图像进行测评，具体包括污渍测评、划痕测评、破损测评、开裂测评、掉钻测评、压痕测评、变形测评、发霉测评、整体护理测评、发粘测评、发硬测评、老化测评、改色测评和吸色测评；所述油边测评组对初始图像中油边的摆放痕迹图像进行测评，具体包括破损测评、开裂测评、变形测评、发霉测评、整体护理测评、发粘测评、发硬测评、老化测评、改色测评和断线测评；所述边角测评组对初始图像中边角的摆放痕迹图像进行测评，具体包括磨痕测评、破损测评、掉皮测评和开裂测评。
[0012]可选地，在第三方面的一种可能实现方式中，所述五金测评组对初始图像中五金件的摆放痕迹图像进行测评，具体包括掉漆测评、裂痕测评、磨痕测评、划痕测评和缺失测评；所述手柄测评组对初始图像中手柄的摆放痕迹图像进行测评，具体包括污渍测评、划痕测评、磨损测评、褪色测评、破损测评、掉皮测评、边油开裂测评、压痕测评和小部件缺失测评；所述内里测评组对初始图像中待鉴定箱包的内部的摆放痕迹图像进行测评，具体包括污渍测评、破损测评、溢胶测评、发粘测评、鼓包测评、压痕测评和品牌标识磨损测评；所述配件测评组对初始图像中配件的摆放痕迹图像进行测评，具体包括无原装配件测评、配件小部分缺失测评、配件大部分缺失测评、配件完全老化测评和配件不符测评。
[0013]本专利技术实施例的第四方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本专利技术第一方面及第一方面各种可能设计的所述方法。
[0014]与现有技术相比，本专利技术具有以下有益效果：本专利技术提供的基于深度学习模型的箱包品质检测方法，提供有多个基于深度学习的评估模型，其中每个评估模型具有不同的参数，在对箱包成色进行评估时，通过多个模型分别对箱包进行成色评估，获得每个评估模型对箱包的品质评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习模型的箱包品质检测方法，其特征在于，包括：预先训练深度学习模型，所述深度学习模型输入层、中间层以及输出层；获取箱包的品质数据，所述品质数据包括待检测箱包不同位置的图像；将所述品质数据输入至深度学习模型的输入层，依次经过输入层、中间层以及输出层对所述品质数据进行处理，得到箱包的品质评估值。2.根据权利要求1所述的箱包品质检测方法，其特征在于，所述获取箱包的品质数据，将所述品质数据输入至深度学习模型的输入层，依次经过输入层、中间层以及输出层对所述品质数据进行处理，得到箱包的品质评估值包括：接收待检测箱包的不同位置的图像，基于所述图像获得箱包各个位置的当前品质数据；所述深度学习模型包括多个评估模型，将箱包各个位置的当前品质数据输入至预先训练的多个基于深度学习的评估模型中，其中每个评估模型的参数具有不同的参数梯度；多个基于深度学习的评估模型分别对所述箱包各个位置的当前品质数据进行处理，生成箱包的多个品质评估值；基于多个品质评估值得到箱包的机器品质评估值；箱包为,；将箱包的各个位置的品质数据集合标记为,其中表示箱包的a位置的品质数据，表示箱包的b位置的品质数据，表示箱包的n位置的品质数据；一个评估模型的各个参数的参数梯度集合记为,其中表示模型对位置a处的参数梯度为，表示模型对位置a处的参数梯度为、表示模型对位置n处的参数梯度为；还包括如下步骤：待检测的箱包包括，模型分别对箱包进行成色评估，若∈，则确定出箱包,在各个评估模型的评估集合如下：选取与当前待检测的箱包对应的一个或多个模型，分别得到多个品质评估值的集合，为。3.根据权利要求1所述的基于深度学习模型的箱包品质检测方法，其特征在于，基于多个品质评估值得到箱包的机器品质评估值包括：基于以下公式计算机器品质评估值，
其中，k为预设的权重值，n为对箱包对应的评估模型的个数。4.根据权利要求3所述的基于深度学习模型的箱包品质检测方法，其特征在于，在基于多个品质评估值得到箱包的机器品质评估值后，还包括：接收管理者输入的建议品质评估值，其中建议品质评估值为管理者预先设置方式或随时输入方式中的任意一个或多个；获取机器品质评估值和建议品质评估值，判断机器品质评估值和建议品质评估值间的差值是否大于预设值；若大于预设值，则对所述评估模型的参数梯度进行改变再次对箱包的机器成色进行评估获得二次机器品质评估值；重复上述的步骤，直至机器品质评估值和建议品质评估值之间的差值小于预设...

【专利技术属性】
技术研发人员：刘正仁，
申请(专利权)人：上海妃鱼网络科技有限公司，
类型：发明
国别省市：