人工智能模型自动提升训练系统及方法技术方案

一种人工智能模型自动提升训练系统，包括：数据收集模块，用于产品零件的缺陷数据；缺陷标记模块，用于按照零件类别及缺陷类型对缺陷数据和/或测试结果进行实时标记，并形成标记数据；数据储存模块，用于储存标记数据；模型训练模块，用于通过标记数据训练与测试人工智能模型，并得到测试准确率及测试结果；以及数据传输模块，用于将缺陷数据由数据收集模块实时传送至缺陷标记模块，将标记数据由缺陷标记模块实时传送至数据储存模块，将标记数据由数据储存模块传送至模型训练模块，及将测试准确率及测试结果由模型训练模块实时传送至缺陷标记模块。标记模块。标记模块。

【技术实现步骤摘要】
人工智能模型自动提升训练系统及方法


[0001]本专利技术有关于一种人工智能模型自动提升训练系统及方法，特别有关于一种用于检测缺陷的人工智能模型自动提升训练系统及方法。

技术介绍

[0002]光学识别技术如自动光学检测系统(Automated Optical Inspection，AOI)，如今已被普遍应用于电子行业的电路板等电子产品的检测流程中，具体的是检测构成的电子产品的多种零部件是否存在缺陷；另外，近年来人工智能技术的发展迅速，目前已将人工智能模型应用到电子产品的缺陷检测当中，可以提高缺陷检测效率及准确率。
[0003]然而，训练人工智能模型需要大量的训练数据样本，因而需要人员在线下进行大量的数据样本收集及标记，耗时耗力；并且还有需要人员根据训练效果不断调整训练数据样本文件夹，进行反复训练，直至达到预期准确率，从而现有的用于缺陷检测的人工智能模型的训练过程存在训练周期长，效率低的问题，而且不能做到对训练数据样本的实时标记。
[0004]基于上述，如何提高人工智能模型的训练效率以及预测准确率，实为需要解决的问题之一。

技术实现思路

[0005]为了解决上述现有问题，本专利技术的目的在于提供一种人工智能模型自动提升训练系统及方法，能够实现对训练样本的实时标记，用于对人工智能模型进行训练，提高训练效率，缩短训练周期，以及提高预测准确率。
[0006]为了实现上述目的，本专利技术的一实施例提供一种人工智能模型自动提升训练系统，其包括：一数据收集模块、一缺陷标记模块、一数据储存模块、一模型训练模块以及一数据传输模块；
[0007]其中，所述数据收集模块，用于收集产品的缺陷数据；所述缺陷标记模块，用于按照零件类别及缺陷类型对所述缺陷数据和/或所述测试结果进行实时标记，并形成标记数据；所述数据储存模块，用于储存所述标记数据；所述模型训练模块，用于通过所述标记数据训练与测试所述人工智能模型，并得到测试准确率及测试结果；以及所述数据传输模块，用于将所述缺陷数据由数据收集模块实时传送至所述缺陷标记模块，将所述标记数据由所述缺陷标记模块实时传送至所述数据储存模块，将所述标记数据由所述数据储存模块传送至所述模型训练模块，及将所述测试准确率及所述测试结果由所述模型训练模块实时传送至所述缺陷标记模块。
[0008]上述的人工智能模型自动提升训练系统，其中，当所述缺陷标记模块的所述标记数据的数量大于等于一预设数值时，通过所述数据传输模块将所述标记数据传送至所述模型训练模块，并自动开启所述人工智能模型的训练及测试。
[0009]上述的人工智能模型自动提升训练系统，其中，所述缺陷标记模块包括：一显示模块，用于实时显示所述缺陷数据和/或所述测试结果；以及一输入模块，用于按照零件类别
及缺陷类型对所述缺陷数据和/或所述测试结果进行实时标记。
[0010]上述的人工智能模型自动提升训练系统，其中，所述数据储存模块包括一数据储存表，用于按照所述零件类别及所述缺陷类型储存所述标记数据。
[0011]上述的人工智能模型自动提升训练系统，其中，所述缺陷数据、所述标记数据或者所述测试结果为图片格式。
[0012]为了实现上述目的，本专利技术的一实施例还提供了一种人工智能模型自动提升训练方法，采用上述的系统，其包括如下步骤：步骤1、所述数据收集模块收集产品的缺陷数据，并通过所述数据传输模块将所述缺陷数据实时传送至所述缺陷标记模块；步骤2、所述缺陷标记模块按照零件类别及缺陷类型对所述缺陷数据实时进行标记，并形成标记数据，通过所述数据传输模块将所述标记数据实时传送至所述数据储存模块进行储存；步骤3、通过所述数据传输模块将所述标记数据由所述数据储存模块传送至所述模型训练模块，并通过所述标记数据训练与测试所述人工智能模型，得到测试准确率及测试结果，通过所述数据传输模块将所述测试准确率及所述测试结果实时传送至所述缺陷标记模块；步骤4、所述缺陷标记模块按照零件类别及缺陷类型对所述测试结果实时进行标记，并形成所述标记数据，通过所述数据传输模块将所述标记数据实时传送至所述数据储存模块进行储存；以及步骤5、重复执行所述步骤1-步骤4，直至所述测试准确率大于等于一预设准确率值。
[0013]上述的人工智能模型自动提升训练方法，其中，当所述数据储存模块的所述标记数据的数量大于等于一预设数值时，通过所述数据传输模块将所述标记数据传送至所述模型训练模块，并自动开启所述人工智能模型的训练及测试。
[0014]上述的人工智能模型自动提升训练方法，其中，所述步骤2或者步骤3中：所述缺陷标记模块的一显示模块实时显示所述缺陷数据和/或所述测试结果；以及所述缺陷标记模块的一输入模块按照零件类别及缺陷类型对所述缺陷数据和/或所述测试结果进行实时标记。
[0015]上述的人工智能模型自动提升训练方法，其中，所述数据储存模块包括一数据储存表，用于按照所述零件类别及所述缺陷类型储存所述标记数据。
[0016]上述的人工智能模型自动提升训练方法，其中，所述缺陷数据、所述标记数据或者所述测试结果为图片格式。
[0017]以下结合附图和具体实施例对本专利技术进行详细描述，但不作为对本专利技术的限定。
附图说明
[0018]图1为本专利技术一实施例的人工智能模型自动提升训练系统的结构示意图。
[0019]图2为本专利技术一实施例的缺陷标记模块的结构示意图。
[0020]图3为本专利技术一实施例的数据储存表的示意图。
[0021]图4为本专利技术一实施例的人工智能模型自动提升训练方法的流程图。
[0022]附图标记
[0023]100：训练系统
[0024]110：数据收集模块
[0025]120：缺陷标记模块
[0026]121：缺陷输入模块
[0027]122：缺陷显示模块
[0028]130：数据储存模块
[0029]140：模型训练模块
[0030]150：数据传输模块
[0031]S100、S110-S160：步骤
具体实施方式
[0032]下面结合附图对本专利技术的结构原理和工作原理作具体的描述：
[0033]图1为本专利技术一实施例的人工智能模型自动提升训练系统的结构示意图。本专利技术实施例提供的人工智能模型自动提升训练系统主要应用于电子产品的缺陷检测，其中电子产品例如为印刷电路板、液晶屏幕、芯片等，本专利技术并不以此为限，而上述的电子产片一般由多种零件所构成，零件可以包括多种类别，例如电阻、电容、电感、晶体管等，并且在生产、测试或者转送的过程中不免会造成一些缺陷或者损伤，缺陷类型可以包括多种类型，例如缺件、错件、多件、异物、错位、破损等，本专利技术对零件种类或缺陷类型并不予以限制。如图1所示，在本实施例中，人工智能模型自动提升训练系统100包括：数据收集模块110、缺陷标记模块120、数据储存模块130、模型训练模块140以及数据传输模块150。
[0034]其中，数据收集模块110用于收集产品的缺陷数据，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能模型自动提升训练系统，其特征在于，包括：一数据收集模块，用于收集产品的缺陷数据；一缺陷标记模块，用于按照零件类别及缺陷类型对所述缺陷数据和/或所述测试结果进行实时标记，并形成标记数据；一数据储存模块，用于储存所述标记数据；一模型训练模块，用于通过所述标记数据训练与测试所述人工智能模型，并得到测试准确率及测试结果；以及一数据传输模块，用于将所述缺陷数据由数据收集模块实时传送至所述缺陷标记模块，将所述标记数据由所述缺陷标记模块实时传送至所述数据储存模块，将所述标记数据由所述数据储存模块传送至所述模型训练模块，及将所述测试准确率及所述测试结果由所述模型训练模块实时传送至所述缺陷标记模块。2.如权利要求1所述的人工智能模型自动提升训练系统，其特征在于，当所述数据储存模块的所述标记数据的数量大于等于一预设数值时，通过所述数据传输模块将所述标记数据传送至所述模型训练模块，并自动开启所述人工智能模型的训练及测试。3.如权利要求1所述的人工智能模型自动提升训练系统，其特征在于，所述缺陷标记模块包括：一缺陷显示模块，用于实时显示所述缺陷数据和/或所述测试结果；以及一缺陷输入模块，用于按照所述零件类别及所述缺陷类型对所述缺陷数据和/或所述测试结果进行实时标记。4.如权利要求1所述的人工智能模型自动提升训练系统，其特征在于，所述数据储存模块包括一数据储存表，用于按照所述零件类别及所述缺陷类型储存所述标记数据。5.如权利要求1-4任一项所述的人工智能模型自动提升训练系统，其特征在于，所述缺陷数据、所述标记数据或者所述测试结果为图片格式。6.一种人工智能模型自动提升训练方法，采用如权利要求1所述的系统，其特征在于，包括：步骤1、所述数据收集模块收集产品的缺陷数据，并通过所...

【专利技术属性】
技术研发人员：虞斌，赵丽娜，王桂合，
申请(专利权)人：艾聚达信息技术苏州有限公司，
类型：发明
国别省市：