缺陷分类模型的训练方法、系统、设备及可读存储介质

本发明提供了一种缺陷分类模型的训练方法、系统、设备及可读存储介质，该方法包括：获取图像数据集，图像数据集中的图像标注有原始缺陷类别和原始缺陷类别的置信度；基于原始缺陷类别的置信度确定样本图像，以供修正缺陷类别；基于准入评价因子确定样本图像的训练准入评分；基于训练准入评分确定样本图像中的准入样本图像，以训练缺陷分类模型。与现有技术相比，本发明通过多维准入评价因子的综合评分机制，有效抑制了训练集的冗余膨胀，避免了大量相似样本的重复学习，显著降低了存储与计算资源消耗；抑制了噪声标签对模型的污染，提升了模型的泛化性能；同时改善了模型对稀有缺陷的检出能力，提升了模型在实际产线环境中的准确率与召回率。