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！
摘要：本发明提供一种基于无监督学习算法的轴承外侧面缺陷检测方法，该方法包括以下步骤：采集待测轴承的外侧面图像，以固定大小的窗口对所述外侧面图像进行遍历；将遍历后的窗口图像依次输入改进生成对抗网络异常检测模型中进行检测；其中，改进生成对抗网络异常检测模型包括判别器、生成器、编码器；编码器包括依次连接的两个下采样模块、一个SE‑Block模块、两个下采样模块、一个SE‑Block模块、一个线性层和一个Tanh激活函数层；SE‑Block模块包括以残差结构连接的CBL模块和SE注意力模块。本发明能够更好地处理轴承外侧面图像的各种复杂情况，对轴承外侧面的缺陷检测具有更准确的检测结果。
主权项：1.一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：该方法包括以下步骤：采集待测轴承的外侧面图像，以固定大小的窗口对所述外侧面图像进行遍历；将遍历后的窗口图像依次输入改进生成对抗网络异常检测模型中进行检测；其中，所述的改进生成对抗网络异常检测模型包括用于区分输入图像为真实图像或生成图像的判别器、用于将隐空间中的随机噪声向量经过上采样和变换映射为生成图像的生成器、用于将输入图像快速映射到隐空间的编码器；所述的编码器包括依次连接的两个下采样模块、一个SE-Block模块、两个下采样模块、一个SE-Block模块、一个线性层和一个Tanh激活函数层；所述的SE-Block模块包括以残差结构连接的CBL模块和SE注意力模块，所述的SE注意力模块包括依次连接的一个全局平均池化层、一个线性层、一个ReLU激活函数层、一个线性层和一个Sigmoid激活函数层；所述的改进生成对抗网络异常检测模型采用迁移学习的方式进行训练，先使用其它数据集上训练好的生成对抗网络异常检测模型的参数设定判别器、生成器和编码器的预权重，再使用采集的轴承外侧面图像数据集训练改进生成对抗网络异常检测模型，从而对判别器、生成器和编码器的参数进行微调。
全文数据：
权利要求：
百度查询： 浙江理工大学 浙江理工大学常山研究院有限公司 一种基于无监督学习算法的轴承外侧面缺陷检测方法
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