龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：渤海大学
摘要：本发明提供一种基于吸引排斥对比学习的工业图像缺陷检测方法，涉及工业缺陷检测技术领域。该方法包括：从已有图像数据集中获取正常图像数据；对获取的正常图像数据进行数据增强获取合成异常图像；将合成异常图像分别送入工业图像缺陷检测模型的教师网络和学生网络进行特征提取，并分别进行多层级特征融合；在学生网络融合后的特征上添加高斯噪声，然后送入UNet网络进行去异处理；最后将两个网络的数据进行吸引排斥处理，实现使正常像素之间差异变小异常像素之间差异变大的目标，并在测试阶段保持模型参数不变，通过计算两个网络的输出特征差异定位出缺陷位置。该方法具有较好的缺陷定位效果，较快的推理速度，可以满足工业生产的需求。
主权项：1.一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：包括以下步骤：步骤1、从已有工业图像数据集中获取正常图像数据I；步骤2、获取真实的异常图像数据集TA，以及真实的异常图像数据对应的标签数据集TAGT；步骤3、基于真实的异常图像数据集TA及其对应的标签数据集TAGT，对获取的正常图像数据I进行数据增强获取合成异常图像Ia；步骤4、构建工业图像缺陷检测模型，并采用步骤3获取的合成异常图像进行模型训练；步骤4.1、将合成的异常图像Ia送入教师网络获取多层级特征融合后的特征ft，并将其归一化为特征步骤4.2、将合成的异常图像Ia送入学生网络获取多层级特征融合后的特征fs'；步骤4.3、将步骤4.2中学生网络提取的多层级特征融合后的特征fs'进行去异处理获取特征fs，并将其归一化为特征步骤4.4、将归一化后的特征和进行双线性插值调整到输入图像尺寸后进行吸引排斥处理，使正常像素之间差异变小异常像素之间差异变大；步骤5、在测试阶段保持工业图像缺陷检测模型参数不变，通过计算教师网络和学生网络的输出特征差异定位出缺陷位置。
全文数据：
权利要求：
百度查询： 渤海大学 一种基于吸引排斥对比学习的工业图像缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号