公开(公告)号：CN119205618A

公开(公告)日：2024-12-27

申请号：CN202411093175.1

申请日：2024-08-09

Applicant: 贵州大学 ,  贵州大学科技园发展有限公司 ,  贵州智瞳灵视科技有限公司

Inventor： 张琳娜 ,  陈小云 ,  王爱华 ,  张富贵

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/096

Abstract: 本发明公开了一种工业图像缺陷检测方法，包括以下步骤：构建工业图像缺陷检测模型，所述工业图像缺陷检测模型包括若干个教师网络、学生网络和双向特征映射模块；生成合成异常图像集；训练工业图像缺陷检测模型，构建对比损失函数，优化工业图像缺陷检测模型参数；将待检测图像输入工业图像缺陷检测模型，获取检测结果。本发明实现了高精确度的工业图像缺陷检测，利用多个教师网络训练一个学生网络，在教师和学生网络之间加入了双向特征映射模块来缓解教师和学生网络在模型能力之间的巨大差异，并且通过对比损失函数来增加教师和学生网络输出特征之间的差异性从而使工业图像缺陷检测模型在检测时更准确，检测性能更强。

公开(公告)号：CN119205617A

公开(公告)日：2024-12-27

申请号：CN202411093168.1

申请日：2024-08-09

Applicant: 贵州大学 ,  贵州大学科技园发展有限公司 ,  贵州智瞳灵视科技有限公司

Inventor： 张琳娜 ,  杨曜 ,  王爱华 ,  张富贵

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/40 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于图像重建的工业产品异常检测方法，包括以下步骤：S1、获取待检测图像，加载图像重建模型，所述图像重建模型包括特征记忆库、灰度轮廓特征提取模块、注意力模块和跳跃连接模块；S2、将待检测图像输入图像重建模型，获取检测重建图像；S3、定义异常评价函数；S4、通过异常评价函数对比待检测图像和检测重建图像，获取检测结果。本发明提取灰度轮廓特征和正常记忆特征进行融合，使得重建过程中图像的高频和低频信息更加全面和完整；在跳跃连接基础上加入注意力模块，筛选异常区域的信息，使得重建图像更加的完整，并提出新的异常评价函数，从而更好地对异常区域进行定位，从而实现更准确的异常检测。