公开(公告)号：CN115578359B

公开(公告)日：2023-07-21

申请号：CN202211294921.4

申请日：2022-10-21

申请人： 千巡科技(深圳)有限公司

发明人： 粟玉雄 ,  黄永鼎 ,  邹婉欣

IPC分类号： G06T7/00 ,  G06V10/26 ,  G06V10/32 ,  G06V10/774 ,  G06V10/776 ,  G06V10/50

摘要： 本发明提供了一种基于生成对抗网络与无缺陷图像度量的少样本缺陷检测方法、系统、装置以及存储介质，该方法S1、采集只包含正常目标实例的图像，使用检测或分割网络进行训练和预测，得到检测或分割模型；S2、使用检测模型裁剪或分割模型分割图像中的所有目标实例；S3、将所有无缺陷的目标实例作为正常样本，采用缺陷检测生成网络对正常样本进行训练，分析所有正常样本的得分损失，获得正常样本的最佳生成模型以及最优得分阈值；S4、采集待检测图像，使用检测模型裁剪或分割模型分割图像中的所有目标实例；S5、采用最佳生成模型对同一目标实例所有图像进行检测。本发明可以在只有少量甚至没有缺陷样本的情况下，实现较高精度的缺陷检测与识别。

公开(公告)号：CN115578359A

公开(公告)日：2023-01-06

申请号：CN202211294921.4

申请日：2022-10-21

申请人： 千巡科技(深圳)有限公司

发明人： 粟玉雄 ,  黄永鼎 ,  邹婉欣

IPC分类号： G06T7/00 ,  G06V10/26 ,  G06V10/32 ,  G06V10/774 ,  G06V10/776 ,  G06V10/50

摘要： 本发明提供了一种基于生成对抗网络与无缺陷图像度量的少样本缺陷检测方法、系统、装置以及存储介质，该方法S1、采集只包含正常目标实例的图像，使用检测或分割网络进行训练和预测，得到检测或分割模型；S2、使用检测模型裁剪或分割模型分割图像中的所有目标实例；S3、将所有无缺陷的目标实例作为正常样本，采用缺陷检测生成网络对正常样本进行训练，分析所有正常样本的得分损失，获得正常样本的最佳生成模型以及最优得分阈值；S4、采集待检测图像，使用检测模型裁剪或分割模型分割图像中的所有目标实例；S5、采用最佳生成模型对同一目标实例所有图像进行检测。本发明可以在只有少量甚至没有缺陷样本的情况下，实现较高精度的缺陷检测与识别。