(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211161801.7 (22)申请日 2022.09.23 (71)申请人 成都数之联科技股份有限公司 地址 610000 四川省成 都市武侯区锦绣 街8 号2层270号 (72)发明人 不公告发明人 　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 孙朝锐 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/73(2017.01) G06T 5/00(2006.01) G06T 11/20(2006.01)G06V 10/774(2022.01) (54)发明名称 模型训练方法、 装置、 存储介质、 设备及计算 机程序产品 (57)摘要 本申请的实施例公开了一种模 型训练方法、 装置、 存储介质、 设备及计算机程序产品， 涉及人 工智能技术领域， 包括： 获取目标产品的实际图 像和标准图像并分别灰度化处理， 以获取对应的 第一灰度图像和第二灰度图像； 将第一灰度图像 与第二灰度图像进行相减运算， 以获得灰度差值 图像； 将第一灰度图像、 第二灰度图像以及灰度 差值图像进行堆叠， 以获得具有三通道的目标图 像； 以目标图像为训练数据集， 训练获得缺陷检 测模型。 本申请通过对图像分别灰度化后进行相 减运算， 突出细小缺陷， 重构三通道图像用于训 练模型， 使其既能够学习到实际图像 当中的缺陷 信息， 又能学习到标准图像的设计信息， 并提升 模型对于 未知缺陷的检出能力， 进而提升模型的 缺陷检测效果。 权利要求书2页 说明书12页 附图3页 CN 115239734 A 2022.10.25 CN 115239734 A 1.一种模型训练方法， 其特 征在于， 包括以下步骤： 获取目标产品的实 际图像和标准图像； 其中， 所述标准图像与所述实 际图像对应所述 目标产品的相同区域； 将所述实际图像和所述标准图像灰度化处理， 以获取所述实际图像对应的第 一灰度图 像和所述标准图像对应的第二灰度图像； 将所述第一灰度图像与所述第二灰度图像进行相减运 算， 以获得 灰度差值图像； 将所述第一灰度图像、 所述第二灰度图像以及所述灰度差值图像进行堆叠， 以获得具 有三通道的目标图像； 以所述目标图像为训练数据集， 训练获得缺陷检测模型。 2.根据权利要求1所述的模型训练方法， 其特征在于， 所述将所述第 一灰度图像与 所述 第二灰度图像进行相减运 算， 以获得 灰度差值图像之前， 所述模型训练方法还 包括： 将所述第一灰度图像进行裁 剪， 并获得第一目标 灰度图像； 在所述第二灰度图像上提取与所述第 一目标灰度图像对应区域的图像， 并获得第 二目 标灰度图像； 所述将所述第一灰度图像与所述第二灰度图像进行相减运算， 以获得灰度差值图像， 包括： 将所述第一目标灰度图像与 所述第二目标灰度图像进行相减运算， 以获得灰度差值图 像。 3.根据权利要求2所述的模型训练方法， 其特征在于， 所述将所述第 一灰度图像进行裁 剪， 并获得第一目标 灰度图像， 包括： 将所述第一灰度图像进行基于像素的裁 剪， 并获得第一目标 灰度图像。 4.根据权利要求3所述的模型训练方法， 其特征在于， 所述将所述第 一灰度图像进行基 于像素的裁 剪， 并获得第一目标 灰度图像， 包括： 将所述第一灰度图像的四边均裁 剪相同像素的宽度， 并获得 所述第一目标 灰度图像。 5.根据权利要求2所述的模型训练方法， 其特征在于， 所述在所述第 二灰度图像上提取 与所述第一目标 灰度图像对应区域的图像， 并获得第二目标 灰度图像， 包括： 在所述第二灰度图像上采用模板匹配方法提取与所述第一目标灰度图像对应区域的 图像， 并获得第二目标 灰度图像。 6.根据权利要求5所述的模型训练方法， 其特征在于， 所述在所述第 二灰度图像上采用 模板匹配方法提取与所述第一 目标灰度图像对应区域的图像， 并获得第二 目标灰度图像， 包括： 在所述第一灰度图像上绘制定位区域， 并获得 所述定位区域的顶点 坐标； 在所述第二灰度图像上绘制查找区域， 并获得 所述查找区域的顶点 坐标； 在所述查找区域上以所述定位 区域为目标区域进行搜索， 并获得所述第 二目标灰度图 像。 7.根据权利要求1所述的模型训练方法， 其特征在于， 所述将所述第 一灰度图像与 所述 第二灰度图像进行相减运 算， 以获得 灰度差值图像， 包括： 分别获得所述第 一灰度图像与所述第 二灰度图像对应像素点的像素值， 并进行相减运 算；权　利　要　求　书 1/2 页 2 CN 115239734 A 2以运算结果的绝对值作为所述灰度差值图像对应点的像素值， 并获得所述灰度差值图 像。 8.根据权利要求1所述的模型训练方法， 其特征在于， 所述将所述第一灰度图像、 所述 第二灰度图像以及所述灰度差值图像进行堆叠， 以获得具有三通道的目标图像之后， 所述 模型训练方法还 包括： 对所述目标图像进行 标注， 并获得 标注目标图像； 所述以所述目标图像为训练数据集， 训练获得缺陷检测模型， 包括： 以所述标注目标图像为训练数据集， 训练获得缺陷检测模型。 9.根据权利要求1所述的模型训练方法， 其特征在于， 所述将所述第一灰度图像、 所述 第二灰度图像以及所述灰度差值图像进行堆叠， 以获得具有三通道的目标图像之后， 所述 模型训练方法还 包括： 对所述目标图像进行图像增强， 并获得增强目标图像； 所述以所述目标图像为训练数据集， 训练获得缺陷检测模型， 包括： 以所述增强目标图像为训练数据集， 训练获得缺陷检测模型。 10.根据权利要求1所述的模型训练方法， 其特征在于， 所述将所述第 一灰度图像、 所述 第二灰度图像以及所述灰度差值图像进行堆叠， 以获得具有三通道的目标图像之后， 所述 模型训练方法还 包括： 对所述目标图像进行清洗， 并获得清洗目标图像； 所述以所述目标图像为训练数据集， 训练获得缺陷检测模型， 包括： 以所述清洗目标图像为训练数据集， 训练获得缺陷检测模型。 11.一种模型训练装置， 其特 征在于， 包括： 获得模块， 所述获得模块用于获取目标产品的实际图像和标准图像； 其中， 所述标准图 像与所述实际图像对应所述目标产品的相同区域； 灰度模块， 所述灰度模块用于将所述实 际图像和所述标准图像灰度化处理， 以获取所 述实际图像对应的第一灰度图像和所述标准图像对应的第二灰度图像； 差值模块， 所述差值模块用于将所述第一灰度图像与所述第二灰度图像进行相减运 算， 以获得 灰度差值图像； 堆叠模块， 所述堆叠模块用于将所述第一灰度图像、 所述第二灰度图像以及所述灰度 差值图像进行堆叠， 以获得 具有三通道的目标图像； 训练模块， 所述训练模块用于以所述目标图像为训练数据集， 训练获得缺陷检测模型。 12.一种计算机可读存储介质， 储存有计算机程序， 其特征在于， 所述计算机程序被处 理器加载 执行时， 实现如权利要求1 ‑10中任一项所述的模型训练方法。 13.一种电子设备， 其特 征在于， 包括处 理器及存 储器， 其中， 所述存储器用于存 储计算机程序； 所述处理器用于加载执行所述计算机程序， 以使所述电子设备执行如权利要求1 ‑10中 任一项所述的模型训练方法。 14.一种计算机程序产品， 其特征在于， 包括计算机程序， 当所述计算机程序被执行时， 用于执行如权利要求1 ‑10中任一项所述的模型训练方法。权　利　要　求　书 2/2 页 3 CN 115239734 A 3