样本数据的处理方法技术

本公开提供了一种样本数据的处理方法

【技术实现步骤摘要】
样本数据的处理方法、装置、电子设备和存储介质


[0001]本公开涉及人工智能
，尤其涉及图像处理
、
计算机视觉领域
。

技术介绍

[0002]在化纤行业中，纺丝箱体生产出化纤丝的过程中，由于纺丝原材料的呈现形式为非牛顿流体，有一定的粘性，且纺丝箱体长时间工作会使机器温度过高，因此，纺丝箱体内可能会出现丝线断头
、
飘丝
、
勾丝
、
油嘴倾斜
、
导丝钩倾斜
、
丝线不在导丝钩内等异常情况，需要进行对纺丝箱体进行巡检
。
传统的巡检方式是由人工进行巡检，存在效率低和成本高的缺陷
。
相关技术中提出采用
AI
模型进行图像检测的方式，自动识别纺丝箱体的异常
。
然而，模型的训练需要大量样本，也需要人工收集样本图像
。
而纺丝箱体内的异常情况出现频次较低，且由于丝线本身的丝状特性，诸如飘丝
、
勾丝等异常区域也较为细微，难以辨别
。
因此，人工收集样本图像的效率非常低，也容易出错
。

技术实现思路

[0003]本公开提供了一种样本数据的处理方法
、
装置
、
电子设备和存储介质，以解决或缓解现有技术中的一项或更多项技术问题
。
[0004]第一方面，本公开提供了一种样本数据的处理方法，包括：
[0005]获取纺丝箱体的多个第一工作图像；
[0006]针对多个第一工作图像中的每个第一工作图像，在第一工作图像与纺丝箱体的正常图像存在符合第一条件的区别的情况下，将第一工作图像确定为纺丝箱体的缺陷图像；
[0007]基于多个第一工作图像中的各缺陷图像，得到第一样本数据集；其中，第一样本数据集用于训练得到纺丝箱体的缺陷检测模型，缺陷检测模型用于检测纺丝箱体的第二工作图像是否存在缺陷
。
[0008]第二方面，本公开提供了一种样本数据的处理装置，包括：
[0009]图像获取模块，用于获取纺丝箱体的多个第一工作图像；
[0010]缺陷图像确定模块，用于针对多个第一工作图像中的每个第一工作图像，在第一工作图像与纺丝箱体的正常图像存在符合第一条件的区别的情况下，将第一工作图像确定为纺丝箱体的缺陷图像；
[0011]第一样本处理模块，用于基于多个第一工作图像中的各缺陷图像，得到第一样本数据集；其中，第一样本数据集用于训练得到纺丝箱体的缺陷检测模型，缺陷检测模型用于检测纺丝箱体的第二工作图像是否存在缺陷
。
[0012]第三方面，提供了一种电子设备，包括：
[0013]至少一个处理器；以及
[0014]与该至少一个处理器通信连接的存储器；其中，
[0015]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法
。
[0016]第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法
。
[0017]本公开提供的技术方案的有益效果至少包括：通过纺丝箱体的第一工作图像与正常图像进行比对，得到纺丝箱体的缺陷图像，由缺陷图像可以得到用于训练缺陷检测模型的第一样本数据集，可以提升样本数据的收集效率以及准确性，相应地提升缺陷检测模型的训练效率以及模型精度，提升纺丝箱体的异常检测的准确性
。
[0018]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围
。
本公开的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0019]在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素
。
这些附图不一定是按照比例绘制的
。
应该理解，这些附图仅描绘了根据本公开提供的一些实施方式，而不应将其视为是对本公开范围的限制
。
[0020]图1是本公开一实施例提供的样本数据的处理方法的应用场景的示意图；
[0021]图2是本公开一实施例提供的样本数据的处理方法的流程示意图；
[0022]图3是本公开一实施例提供的样本数据的处理装置的示意性框图；
[0023]图4是本公开另一实施例提供的样本数据的处理装置的示意性框图；
[0024]图5是本公开另一实施例提供的样本数据的处理装置的示意性框图；
[0025]图6是用来实现本公开实施例的样本数据的处理方法的电子设备的框图
。
具体实施方式
[0026]下面将参考附图对本公开作进一步地详细描述
。
附图中相同的附图标记表示功能相同或相似的元件
。
尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图
。
[0027]另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节
。
本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施
。
在一些实例中，对于本领域技术人员熟知的方法
、
手段
、
元件和电路等未作详细描述，以便于凸显本公开的主旨
。
[0028]为了便于理解本公开实施例的样本数据的处理方法，下面先对该方法的应用场景进行示例性说明
。
图1示出了本公开实施例的样本数据的处理方法的一个示例性的应用场景的示意图
。
在该应用场景中包括部署在车间内的巡检机器人
10
，巡检机器人
10
可以包括图像采集装置
11
，巡检机器人
10
的图像采集装置
11(
例如摄像头
、
相机等
)
用于采集纺丝箱体
20
的工作图像
。
[0029]图像采集装置
11
可以与处理装置
12
连接，将纺丝箱体
20
的第一工作图像发送至处理装置
12
，处理装置
12
用于对纺丝箱体
20
的第一工作图像进行处理，得到第一样本数据集，第一样本数据集用于训练得到纺丝箱体
20
的缺陷检测模型
。
在得到缺陷检测模型后，图像采集装置
11
可以与缺陷检测模型连接，将纺丝箱体
20
的第二工作图像发送至缺陷检测模型，缺陷检测模型用于检测纺丝箱体
20
的第二工作图像的缺陷相关信息，该缺陷相关信息可以包括是否有缺陷
、
检测出的缺陷类型以及各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种样本数据的处理方法，其特征在于，包括：获取纺丝箱体的多个第一工作图像；针对所述多个第一工作图像中的每个第一工作图像，在所述第一工作图像与所述纺丝箱体的正常图像存在符合第一条件的区别的情况下，将所述第一工作图像确定为所述纺丝箱体的缺陷图像；基于所述多个第一工作图像中的各缺陷图像，得到第一样本数据集；其中，所述第一样本数据集用于训练得到所述纺丝箱体的缺陷检测模型，所述缺陷检测模型用于检测所述纺丝箱体的第二工作图像是否存在缺陷
。2.
根据权利要求1所述的方法，其特征在于，所述基于所述多个第一工作图像中的各缺陷图像，得到第一样本数据集，包括：根据至少一个缺陷类型对所述各缺陷图像进行分类，得到与所述至少一个缺陷类型一一对应的至少一个图像集；基于所述至少一个图像集，得到所述第一样本数据集
。3.
根据权利要求2所述的方法，其特征在于，所述至少一个缺陷类型包括所述纺丝箱体中喷丝板
、
丝线
、
导丝钩以及油嘴的缺陷中的至少一种
。4.
根据权利要求2所述的方法，其特征在于，所述基于所述至少一个图像集，得到所述第一样本数据集，包括：针对所述至少一个图像集中的每个图像集，根据所述图像集对应的缺陷类型对所述图像集中的各个图像进行裁剪，得到与所述图像集对应的检测区域图像集；基于与所述至少一个图像集一一对应的至少一个检测区域图像集，得到所述第一样本数据集
。5.
根据权利要求1‑4中任一项所述的方法，其特征在于，所述方法还包括：在所述缺陷检测模型的置信度不满足第二条件的情况下，基于所述第一样本数据集中各图像的特征量，从所述第一样本数据集中确定出第二样本数据集；基于所述第二样本数据集对所述缺陷检测模型进行更新
。6.
根据权利要求5所述的方法，其中，所述基于所述第一样本数据集中各图像的特征量，从所述第一样本数据集中确定出第二样本数据集，包括：对所述第一样本数据集中的各图像进行聚类，得到多个类簇；针对所述多个类簇中的每个类簇，基于所述类簇中的各图像的特征量，确定出所述类簇中的目标图像；基于所述每个类簇中的目标图像，得到所述第二样本数据集
。7.
一种样本数据的处理装置，其特征在于，包括：图像获取模块，用于获取纺丝箱体的多个第一工作图像；缺陷图像确定模块，用于针对所述多个第一工作图像中的每个第一工作图像，在所述第一工作图像与所述纺丝箱体的正常图像存在符合第一条件的区别的情况下，将...

【专利技术属性】
技术研发人员：彭先涛，王鹏，李大可，张耀斌，樊会涛，徐峰，
申请(专利权)人：浙江恒逸高新材料有限公司，
类型：发明
国别省市：