(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 202211071730.1 (22)申请日 2022.08.31 (71)申请人 凌云光技术股份有限公司 地址 100094 北京市海淀区翠湖南环路13 号院7号楼7层701室 (72)发明人 史胡祎　彭斌　 (74)专利代理 机构 北京弘权知识产权代理有限 公司 11363 专利代理师 逯长明　温瑞鑫 (51)Int.Cl. G06N 20/00(2019.01) G06Q 50/04(2012.01) (54)发明名称 一种工业质检模型训练方法 (57)摘要 本申请涉及深度学习技术领域， 具体而言， 涉及一种工业质检模型训练方法， 可以解决增量 训练时， 每次对模型进行训练都 需要进行与初次 训练相同的训练轮数， 需要耗费大量的时间且占 用资源， 增加了时间成本和维护成本的问题。 模 型训练方法包括： 获取基线模型信息； 基于基线 模型信息， 对训练模型进行初始化， 得到训练模 型的初始权重及训练轮数； 基于初始权重与训练 轮数， 并通过扩充后的训练集对训练模 型进行训 练， 扩充后的训练集包括错检样本及漏检样本， 在训练模型完成训练轮数的训练后， 得到工业质 检模型。 权利要求书2页 说明书11页 附图5页 CN 115438801 A 2022.12.06 CN 115438801 A 1.一种工业质检模型训练方法， 其特 征在于， 所述方法包括： 获取基线模型信息， 所述基线模型信息包括预制模型的权 重及训练轮数； 基于所述基线模型信息， 对所述训练模型进行初始化， 得到所述训练模型的初始权重 及训练轮数， 所述初始权重为通过所述预制模型 的权重对所述训练模型进行初始化得到， 所述训练轮数基于所述预制模型对应的训练轮数， 按照预设第一比例确定， 且所述训练轮 数小于所述预制模型对应的训练轮数； 基于所述初始权重与所述训练轮数， 并通过扩充后的训练集对所述训练模型进行训 练， 所述扩充后的训练集包括错检样本及漏检样本， 在完成所述训练轮数的训练后， 得到工 业质检模型。 2.如权利要求1所述一种工业质检模型训练方法， 其特征在于， 在所述获取基线模型信 息， 所述基线模型信息包括预输入 模型的权 重及训练轮数步骤中， 所述方法进一 步包括： 所述基线模型信息为当前训练任务已有模型中的预制模型或基于预训练得到的预制 模型的信息， 所述当前训练任务已有模型中的预制模型为最近一次同任务训练所得到的模 型。 3.如权利要求1所述一种工业质检模型训练方法， 其特征在于， 在所述获取基线模型信 息步骤中， 所述方法进一 步包括： 判断本次训练是否为增量训练， 且基于判断结果获取基线模型信息； 若本次非增量训练， 则基于已知数据集对模型进行训练， 得到预训练预制模型， 将所述 预训练预制模型 的权重及对应的训练轮数保存， 得到所述基线模型信息， 所述已知数据集 为ImageNet数据集或COCO数据集； 若本次为增量训练， 直接获取所述基线模型信息， 所述基线模型信息包括前一轮训练 所得到模型的权 重及对应的训练轮数。 4.如权利要求3所述一种工业质检模型训练方法， 其特征在于， 在判断本次训练是否为 增量训练步骤中， 所述方法进一 步包括： 加载前一轮训练保存的模型信息， 根据模型信息， 得到当前任务所用模型类型与前一 轮训练保存的模型的类型 是否一致， 所述模型信息包括模型类型； 基于所述判断结果， 进行错 误信息提 示或读取 所述基线模型信息 。 5.如权利要求1所述一种工业质检模型训练方法， 其特征在于， 在所述得到工业质检模 型步骤之后， 所述方法还 包括： 将所述工业质检模型的权重及所述基线模型信息中的训练轮数保存至所述基线模型 信息中， 用于下一次对 模型进行训练。 6.如权利要求5所述一种工业质检模型训练方法， 其特征在于， 在将所述工业质检模型 的权重及所述基线模型信息中的训练轮数保存至所述基线模型信息中， 用于下一次对模型 进行训练步骤之后， 所述方法还 包括： 所述基线模型信 息还包括增量训练次数， 所述增量训练次数为在首次训练的基础上共 进行增量训练的迭代 次数， 在每次训练结束后， 将次数+1后的增量训练次数保存至所述基 线模型信息中。 7.如权利要2所述一种工业质检模型训练方法， 其特征在于， 在所述基线模型信 息包括 预制模型的权 重及训练轮数步骤中， 所述方法进一 步包括：权　利　要　求　书 1/2 页 2 CN 115438801 A 2所述基线模型信息中的所述训练轮数为首次训练时得到预制模型的训练轮数。 8.如权利要求1所述一种工业质检模型训练方法， 其特征在于， 在所述训练轮数基于所 述预制模型对应的训练轮数， 按照预设第一比例确定， 且所述训练轮数小于所述预制模型 对应的训练轮数步骤中， 所述方法进一 步包括： 所述训练轮数基于所述预制模型对应的训练轮数， 按照预设第一比例确定， 所述预设 第一比例为 三分之二； 所述训练模型在训练时开始保存的轮数基于所述预制模型对应的训练轮数， 按照预设 第二比例确定， 所述预设第二比例为 三分之一。 9.一种工业质检模型训练装置， 其特 征在于， 所述装置包括： 采集模块， 获取基线模型信息， 所述基线模型信息包括预制模型的权 重及训练轮数； 预处理模块， 基于所述基线模型信 息， 对所述训练模型进行初始化， 得到所述训练模型 的初始权重及训练轮数， 所述初始权重为通过所述预制模型的权重对所述训练模型进 行初 始化得到， 所述训练轮数基于所述预制模型对应的训练轮数， 按照预设第一比例确定， 且所 述训练轮数小于所述预制模型对应的训练轮数； 训练模块， 基于所述初始权重与所述训练轮数， 并通过扩充后的训练集对所述训练模 型进行训练， 所述扩充后的训练集包括错检样本及漏检样本， 在所述训练模型完成所述训 练轮数的训练后， 得到 工业质检模型。 10.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至8任一项所 述工业质检模型训练方法。权　利　要　求　书 2/2 页 3 CN 115438801 A 3