(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 202211087516.5 (22)申请日 2022.09.07 (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 张黎　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. G06V 10/764(2022.01) G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/74(2022.01) (54)发明名称 一种应用于工业检测的分类方法、 装置及设 备 (57)摘要 本申请涉及工业检测技术领域， 具体而言， 涉及一种应用于工业检测的分类方法、 装置及设 备， 一定程度上可以解决对于提取 获得的图像特 征相似度较高的待检测零件导致模型分类检测 能力较差的问题。 所述分类方法包括以下步骤： 图像数据输入至分类模型， 并提取图像数据的特 征向量； 通过分类模型将所述特征向量的多维特 征空间映射至线性特征空间， 所述线性特征空间 用于转化形成角度空间； 基于所述角度空间， 训 练所述分类模型， 并得到分类决策空间， 所述分 类决策空间用于对未知类别的图像进行分类， 并 获取预测输出的分类结果。 权利要求书2页 说明书7页 附图3页 CN 115424074 A 2022.12.02 CN 115424074 A 1.一种应用于 工业检测的分类方法， 其特 征在于， 所述方法包括： 图像数据输入至分类模型， 并提取图像数据的特 征向量； 通过分类模型将所述特征向量的多维特征空间 映射至线性特征空间， 所述线性特征空 间用于转 化形成角度空间； 基于所述角度空间， 训练所述分类模型， 并得到分类决策空间， 所述分类决策空间用于 对未知类别的图像进行分类， 并获取 预测输出的分类结果； 其中， 在训练分类模型的过程中， 在图像数据的相似度小于预设阈值 时， 在角度空间上 增加第一边界， 所述第一 边界用于使得 所述角度空间的类 类间距变小， 类间的间距变大； 在图像数据的相似度大于预设阈值时， 在角度空间上增加第二边界， 所述第二边界为 所述第一边界与强化系 数经过计算获得， 其中， 所述强化系 数随着图像数据相似度的增大 而增加， 所述第二 边界即所述分类决策空间的边界。 2.如权利要求1所述的应用于工业检测的分类方法， 其特征在于， 训练所述分类模型包 括： 初始化权 重矩阵， 并设定角度空间强化间距； 输入相似度较小的图像数据， 构建第一 边界； 基于所述第 一边界， 判断输入图像数据的相似度， 当输入图像数据的相似度较大时， 通 过强化系数获得第二 边界； 其中， 强化系数随着图像数据相似度的增大而增 加。 3.如权利要求2所述的应用于工业检测的分类方法， 其特征在于， 在图像数据输入至分 类模型， 并提取图像数据的特 征向量步骤中： 所述特征向量具体为经过分类模型提取的一维向量和输入图像数据已知类别向量， 所 述类别向量 为大小为分类的类别数的一维向量。 4.如权利要求3所述的应用于工业检测的分类方法， 其特征在于， 所述第 一边界的构建 过程包括： 通过权重矩阵与图像数据提取的一维向量的点积， 获得图像数据提取的一维向量与每 一个类别在决策空间的参数的角度； 获取余弦向量， 所述余弦向量为所述角度在 当前图像数据类别的角度空间与强化角度 空间间距的和的余弦。 5.如权利要求4所述的应用于工业检测的分类方法， 其特征在于， 所述第 二边界的构建 过程包括： 判断输入图像数据的相似度； 当图像数据的相似度较大时， 获取第 二边界并且将相似度较大的图像数据的余弦向量 输出至分类模型。 6.如权利要求5所述的应用于工业检测的分类方法， 其特征在于， 在判断输入图像数据 相似度步骤， 所述方法包括： 基于第一 边界， 计算得到当前图像 类别的角度空间； 通过角度空间与代 表其他类别的角度向量进行比较； 其中， 比当前图像 类别角度空间小的， 则表明图像数据相似度大。 7.如权利要求1所述的应用于工业检测的分类方法， 其特征在于， 在获取预测输出的分权　利　要　求　书 1/2 页 2 CN 115424074 A 2类结果过程中， 所述方法包括： 输入要预测的未知类别的图像数据， 经分类模型提取未知类别的图像数据的特征向 量； 将特征向量输入到分类模型， 并输出至每个类别决策空间的角度余弦值； 其中， 当角度 余弦值越大， 则表示与该类别越相似； 图像数据特 征向量的角度余弦值大的类别决策空间即表示图像数据的预测输出类别。 8.如权利要求1所述的应用于工业检测的分类方法， 其特征在于， 利用下列公式， 根据 的图像数据不同类别的角度以及角度空间 间距获得第一 边界： cos( θ1+m)‑cos( θ2)＝0， 或者cos( θ1×m)‑cos( θ2)＝0， 其中， θ1和θ2分别表示图像数据类别1和图像数据类别2的角度， m为增加的角度空间的 间距。 9.一种应用于 工业检测的分类装置， 其特 征在于， 包括： 采集单元， 用于获取输入图像的图像数据， 并提取图像数据的特 征向量； 转化单元， 用于通过分类模型将所述特征向量的多维特征空间映射至线性特征空间， 所述线性特 征空间用于转 化形成角度空间； 处理单元， 用于基于所述角度空间， 训练所述分类模型， 并得到分类决策空间， 所述决 策空间用于对未知类别的图像进行分类， 并获取 预测输出的分类结果； 其中， 在训练分类模型的过程中， 在图像数据的相似度小于预设阈值 时， 在角度空间上 增加第一边界， 所述第一 边界用于使得 所述角度空间的类 类间距变小， 类间的间距变大； 在图像数据的相似度大于预设阈值时， 在角度空间上增加第二边界， 所述第二边界为 所述第一边界与强化系 数经过计算获得； 其中， 所述强化系 数随着图像数据相似度的增大 而增加， 所述第二 边界即所述分类决策空间的边界。 10.一种分类设备， 其特征在于， 所述分类设备包括： 至少一个处理器； 以及与 所述至少 一个处理器通信连接的存储器； 其中， 所述存储器存储有可被所述一个处理器执行的指 令， 所述指令被所述至少一个处理器执行， 以使 所述至少一个处理器执行权利要求 1至8中任一 项所述的应用于 工业检测的分类方法的步骤。权　利　要　求　书 2/2 页 3 CN 115424074 A 3