(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 202210659628.7 (22)申请日 2022.06.13 (71)申请人 云账户技 术 （天津） 有限公司 地址 300384 天津市滨 海新区滨 海高新区 华苑产业园区工华道2 号天百中心1号 楼6层、 21至2 2层 (72)发明人 刘敏娟　 (74)专利代理 机构 北京银龙知识产权代理有限 公司 11243 专利代理师 孙静雯 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06V 10/26(2022.01) G06V 10/50(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 西林瓶检测模 型的训练方法、 西林瓶的检测 方法及装置 (57)摘要 本发明提供一种西林瓶检测模型的训练方 法、 西林瓶的检测方法及装置， 该方法包括： 获取 预设数量的西林瓶图片样本作为训练集； 其中， 合格瓶的数量多于所述缺陷瓶的数量； 将所述西 林瓶图片切割为多个相同的基本单元； 对多个所 述基本单元进行归一化处理； 根据基本单元对所 述西林瓶图片进行特征提取； 将特征提取后的西 林瓶图片按照提取的特征进行聚类， 得到预设数 量的类别； 将聚类后的西林瓶图片输入神经网络 分类算法， 输出最终的分类结果； 最终的分类结 果包括合格和缺陷； 根据最终的分类结果调整西 林瓶检测模 型的参数， 得到训练后的西林瓶检测 模型。 本发明中， 通过对样 本类别的合理分配， 缓 解了样本不平衡的问题， 提高分类准确性。 权利要求书2页 说明书7页 附图4页 CN 114782755 A 2022.07.22 CN 114782755 A 1.一种西林瓶检测模型的训练方法， 其特 征在于， 包括： 获取预设数量的西林瓶图片样本作为训练集； 其中， 将所述西林瓶图片样本分为合格 瓶和缺陷瓶， 所述 合格瓶的数量多于所述 缺陷瓶的数量； 对所述训练集中的西林瓶图片进行图像切割， 将所述西林瓶图片切割为多个相同的基 本单元； 对多个所述基本单 元进行归一 化处理； 根据所述基本单 元对所述西林瓶图片进行 特征提取； 将特征提取后的所述西林瓶图片按照提取的特征进行聚类， 得到预设数量的类别； 其 中， 每个所述类别中的西林瓶图片具有相同的主 要特征； 将聚类后的所述西林瓶图片输入神经网络分类算法， 输出最终的分类结果； 所述最终 的分类结果包括 合格和缺陷； 根据所述最终的分类结果调整所述西林瓶检测模型的参数， 得到训练后的西林瓶检测 模型。 2.根据权利要求1所述的西林瓶检测模型的训练方法， 其特征在于， 所述将所述西林瓶 图片样本分为 合格瓶和缺陷瓶， 包括： 将所述西林瓶图片样本中合格瓶和缺陷瓶按照9:1的比例进行分配。 3.根据权利要求1所述的西林瓶检测模型的训练方法， 其特征在于， 所述对所述训练集 中的西林瓶图片进行图像切割， 将所述西林瓶图片切割为多个相同的基本单 元， 包括： 对所述训练集中的西林瓶图片进行图像切割， 将所述西林瓶图片切割为多个相同的检 测窗口； 将多个所述检测窗口切割为多个相同的检测块； 将多个所述检测块切割为多个相同的基本单 元。 4.根据权利要求1所述的西林瓶检测模型的训练方法， 其特 征在于， 对多个所述基本单元进行归一化处理包括以下至少一项： 光照处理、 阴影处理和边缘 压缩处理。 5.根据权利要求1所述的西林瓶检测模型的训练方法， 其特征在于， 所述根据 所述基本 单元对所述西林瓶图片进行 特征提取， 包括： 计算所述归一化处理后的多个所述基本单元的横坐标方向的梯度和纵坐标方向的梯 度， 并根据所述横坐标方向的梯度和纵坐标方向的梯度计算多个所述基本单元的梯度方 向， 根据所述多个所述基本单 元的梯度方向得到所述西林瓶图片的特 征。 6.一种西林瓶的检测方法， 其特征在于， 应用权利要求1 ‑5中任一项所述的西林瓶检测 模型， 包括： 获取西林瓶图片； 将所述西林瓶图片输入所述西林瓶检测模型； 所述西林瓶检测模型通过获取预设数量 的西林瓶图片样 本作为训练集； 其中， 将所述西林瓶图片样本 分为合格瓶和缺陷瓶， 所述合 格瓶的数量多于所述 缺陷瓶的数量； 输出对所述西林瓶图片的最终的分类结果； 所述 最终的分类结果包括 合格和缺陷。 7.一种西林瓶检测模型的训练装置， 其特 征在于， 包括： 第一获取模块， 用于获取预设数量的西林瓶图片样本作为训练集； 其中， 将所述西林瓶权　利　要　求　书 1/2 页 2 CN 114782755 A 2图片样本分为 合格瓶和缺陷瓶， 所述 合格瓶的数量多于所述 缺陷瓶的数量； 切割模块， 用于对所述训练集中的西林瓶图片进行图像切割， 将所述西林瓶图片切割 为多个相同的基本单 元； 归一化处理模块， 用于对多个所述基本单 元进行归一 化处理； 特征提取模块， 用于根据所述基本单 元对所述西林瓶图片进行 特征提取； 聚类模块， 用于将特征提取后的所述西林瓶图片按照提取的特征进行聚类， 得到预设 数量的类别； 其中， 每 个所述类别中的西林瓶图片具有相同的主 要特征； 分类模块， 用于将聚类后的所述西林瓶图片输入神经网络分类算法， 输出最终的分类 结果； 所述 最终的分类结果包括 合格和缺陷； 调参模块， 用于根据所述最终的分类结果调整所述西林瓶检测模型的参数， 得到训练 后的西林瓶检测模型。 8.一种西林瓶的检测装置， 其特征在于， 应用权利要求1 ‑4中任一项所述的西林瓶检测 模型， 包括： 第二获取模块， 用于获取西林瓶图片； 检测模块， 用于将所述西林瓶图片输入所述西林瓶检测模型； 所述西林瓶检测模型通 过获取预设数量的西林瓶图片样本作为训练集； 其中， 将所述西林瓶图片样本分为合格瓶 和缺陷瓶， 所述 合格瓶的数量多于所述 缺陷瓶的数量； 输出模块， 用于， 输出对所述西林瓶图片的最终的分类结果； 所述最终的分类结果包括 合格和缺陷。 9.一种服务器， 其特征在于， 包括： 处理器、 存储器及存储在所述存储器上并在所述处 理器上运行的程序， 所述程序被所述处理器执行时实现如权利要求 1至5中任一项 所述的西 林瓶检测模型的训练方法， 或如权利要求6中所述的西林瓶的检测方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至5中任一项 所述的西林瓶检测模 型的训练方法， 或如权利要求6中所述的西林瓶的检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114782755 A 3