(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 202211190868.3 (22)申请日 2022.09.28 (71)申请人 深圳市海葵信息技 术有限公司 地址 518000 广东省深圳市南 山区粤海街 道科技园社区科苑路8号讯美科技广 场2号楼170 6 (72)发明人 不公告发明人 　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 尹长斌 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/75(2022.01)G06F 9/50(2006.01) (54)发明名称 生产缺陷识别的方法、 分布式处理平台、 设 备及存储介质 (57)摘要 本申请涉及机械加工生产技术领域， 本申请 实施例提供了一种生产缺陷识别的方法、 分布式 处理平台、 设备及存储介质。 该方法包括将当前 缺陷检测 中缺陷识别失败的生产图像的分类数 据与历史训练模 型集进行匹配， 得到历史模型参 数集； 对于历史模型参数集中的每一历史模型参 数， 当预设的分布式训练资源池中不存在对应的 空闲的第一训练容器时， 将历史模 型参数存入预 设的资源队列中并根据资源队列对分布式训练 资源池进行资源回收处理； 在资源回收处理后， 从资源队列中提取出历史模型参数并确定对应 的第二训练容器以对历史模型参数对应的第一 图像模型进行优化， 得到生产图像的识别结果。 本申请的实施例能在生产过程中， 降低对产品的 机械漏检概 率。 权利要求书2页 说明书8页 附图3页 CN 115526859 A 2022.12.27 CN 115526859 A 1.一种生产缺陷识别的方法， 其特 征在于， 应用于分布式处 理平台， 所述方法包括： 获取在当前缺陷检测中缺陷识别失败的生产图像的分类数据； 将所述分类数据与历史训练模型集进行匹配， 得到历史模型参数集； 对于所述历史模型参数集中的每一历史模型参数， 当预设的分布式训练资源池中不存 在对应的空闲的第一训练容器时， 将所述历史模型参数存入预设的资源队列中并根据所述 资源队列对所述分布式训练资源 池进行资源回收处 理； 在资源回收处理后， 从所述资源队列中提取出所述历史模型参数， 并在所述分布式训 练资源池中确定与所述历史模型参数对应的第二训练容器； 通过所述第 二训练容器对所述历史模型参数对应的第 一图像模型进行优化， 得到第 二 图像模型； 根据所述 生产图像和所述第二图像模型， 得到所述 生产图像的识别结果。 2.根据权利要求1所述的生产缺陷识别的方法， 其特征在于， 所述获取在 当前缺陷检测 中缺陷识别失败的生产图像的分类数据， 包括： 在当前缺陷检测中， 获取缺陷识别失败的生产图像； 对所述生产图像进行目标区域标注， 得到多个目标区域； 对每一所述目标区域进行分类， 得到对应的分类数据。 3.根据权利要求2所述的生产缺陷识别的方法， 其特征在于， 所述分类数据包括图像质 量分类数据； 所述对每一所述目标区域进行分类， 得到对应的分类数据， 包括： 获取所述目标区域的明亮度数据， 以及与所述图像质量分类数据对应的图像质量指 标； 根据所述图像质量指标， 确定所述目标区域的质量数据； 将所述明亮度数据和所述质量数据进行向量加法， 得到质量汇总数据； 将所述质量汇总数据与所述图像质量指标对应的图像阈值范围进行比较， 得到所述图 像质量分类数据。 4.根据权利要求2所述的生产缺陷识别的方法， 其特征在于， 所述分类数据包括属性分 类数据； 所述对每一所述目标区域进行分类， 得到对应的分类数据， 还 包括： 对所述目标区域进行 特征提取， 得到特 征数据； 根据所述特征数据进行聚类分析， 得到所述属性分类数据， 所述属性分类数据包括产 品类型、 型号、 检测特 征中的至少一个。 5.根据权利要求1所述的生产缺陷识别的方法， 其特征在于， 所述分类数据包括图像质 量分类数据； 所述 根据所述资源队列对所述分布式训练资源 池进行资源回收处 理， 包括： 获取所述资源队列中每一历史模型参数对应的所述图像质量分类数据的模型训练资 源使用率； 当所述分布式训练资源池中存在与 所述历史模型参数对应的第 三训练容器， 判断所述 历史模型参数对应的模型训练资源使用率是否大于第一预设使用率 值； 当所述历史模型参数对应的模型训练资源使用率小于第 一预设使用率值， 销毁对应的 所述第三训练容器。 6.根据权利要求5所述的生产缺陷识别的方法， 其特征在于， 所述在所述分布式训练资 源池中确定与所述历史模型参数对应的第二训练容器， 包括：权　利　要　求　书 1/2 页 2 CN 115526859 A 2当所述历史模型参数对应的模型训练资源使用率大于第二预设使用率值且对应有所 述第三训练容器， 判断对应的所述第三训练容器是否闲置； 当与所述历史模型参数对应的所述第 三训练容器处于闲置状态， 将对应的所述第 三训 练容器作为第二训练容器； 当与所述历史模型参数对应的所述第 三训练容器处于非闲置状态， 将所述第 三训练容 器进行复制， 得到所述第二训练容器。 7.根据权利要求5所述的生产缺陷识别的方法， 其特征在于， 所述在所述分布式训练资 源池中确定与所述历史模型参数对应的第二训练容器， 包括： 当所述历史模型参数对应的模型训练资源使用率小于第 一预设使用率值， 在所述分布 式训练资源 池中重新创建第二训练容器。 8.根据权利要求1所述的生产缺陷识别的方法， 其特征在于， 所述历史模型参数包括模 型标识和模型参数； 所述通过所述第二训练容器对所述历史模型参数对应的第一图像模型 进行优化， 得到第二图像模型， 包括： 根据所述模型 标识， 将所述第一图像模型加载到所述第二训练容器中； 根据预设的模型调整参数对所述模型参数进行调优； 根据调优后的所述模型参数， 对所述第一图像模型进行重训练， 得到所述第二图像模 型。 9.根据权利要求1所述的生产缺陷识别的方法， 其特征在于， 所述根据 所述生产图像和 所述第二图像模型， 得到所述 生产图像的识别结果， 包括： 将所述生产图像分别输入到每一第二图像模型中； 根据每一所述第二图像模型的输出 结果确定识别结果。 10.一种分布式处理平台， 其特征在于， 所述分布式处理平台应用如权利要求1至9任一 项所述的生产缺陷识别的方法。 11.一种电子设备， 其特征在于， 所述电子设备包括存储器和 处理器， 所述存储器存储 有计算机程序， 所述处理器执行所述计算机程序时实现权利要求 1至9任一项 所述的生产缺 陷识别的方法。 12.一种计算机可读存储介质， 所述存储介质存储有计算机程序， 其特征在于， 所述计 算机程序被处 理器执行时实现权利要求1至9中任一项所述 生产缺陷识别的方法。权　利　要　求　书 2/2 页 3 CN 115526859 A 3