公开(公告)号：CN114863098B

公开(公告)日：2024-07-19

申请号：CN202210397331.8

申请日：2022-04-15

申请人： 华中科技大学

发明人： 周瑜 ,  龚石 ,  周欢 ,  白翔 ,  郑增强 ,  刘荣华

IPC分类号： G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985

摘要： 本发明公开了一种用于工业场景的细小微弱缺陷分割方法。所述方法包括以下步骤：利用深度卷积神经网络特征编码器对RGB图像进行多尺度特征提取来适应不同尺度的缺陷；特征解码器对特征编码器提取的多尺度图像特征进行融合上采样以尽可能保留细节信息，得到高分辨率高区分力的图像特征图；基于融合后的图像特征图，采用分类器对图像进行逐像素二分类，将图像中所有像素划分为正常像素和缺陷像素两类。本方法提出了一种将正常像素与缺陷像素损失平衡的目标函数，使模型更有效学习到细小微弱缺陷特征，大幅减少了对工业场景下细小微弱缺陷的漏检，实现了更准确的缺陷像素级分割。

公开(公告)号：CN115901777A

公开(公告)日：2023-04-04

申请号：CN202211370869.6

申请日：2022-11-03

申请人： 华中科技大学 ,  武汉精测电子集团股份有限公司 ,  武汉精立电子技术有限公司

发明人： 唐朝清 ,  刘安 ,  周瑜 ,  白翔 ,  郑增强 ,  刘荣华

IPC分类号： G01N21/88

摘要： 本发明涉及光学检测技术领域，提供了一种透明材质缺陷成像对比度增强的方法与装置。使用竖直条纹结构光激励序列对待检测样本进行一级检测，根据一级检测的结果，确认待检测样本的缺陷类型；根据一级检测确认的待检测样本的缺陷类型，选择与之适配的用于二级检测的结构光激励序列，并完成当前待检测样本的缺陷检测。本发明针对不同类型潜在缺陷，设计不同的结构光激励图案，通过结构光发生装置，显示对应图案形成不同结构光激励条件，再利用工业相机采集缺陷成像，以达到各种类型缺陷成像对比度都可显著提升的目的。

公开(公告)号：CN115641474A

公开(公告)日：2023-01-24

申请号：CN202211295955.5

申请日：2022-10-21

申请人： 华中科技大学 ,  武汉精测电子集团股份有限公司 ,  武汉精立电子技术有限公司

发明人： 白翔 ,  章哲彦 ,  罗东亮 ,  杨子豪 ,  蔡雨萱 ,  周瑜 ,  郑增强 ,  刘荣华

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/762 ,  G06V10/80 ,  G06V10/28 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了一种基于高效学生网络的未知类型缺陷检测方法。所述方法包括以下步骤：提出了一种预训练方法，通过让各个类别数据的平均损失最低的策略，在第三方数据集上对学生网络参数进行更新，得到了一个具有较强泛化能力的学生网络初始化模型，随后，在上述训练策略的基础上，在网络中通过多任务学习的思路和注意力机制的思想，加入了自适应权重模块和分类网络辅助学生网络训练，提升了预训练模型在异常检测任务上的效果。利用本发明提出的方法得到的初始化模型，在后续异常检测任务中，面对不同新类型的数据进行训练时，仅使用少量样本，即可实现快速收敛，并在测试阶段达到较好的异常检测效果。本发明还提供了相应的基于高效学生网络的未知类型缺陷检测装置。

公开(公告)号：CN115641437A

公开(公告)日：2023-01-24

申请号：CN202211293698.1

申请日：2022-10-21

申请人： 华中科技大学 ,  武汉精测电子集团股份有限公司 ,  武汉精立电子技术有限公司

发明人： 白翔 ,  杨子豪 ,  罗东亮 ,  章哲彦 ,  蔡雨萱 ,  周瑜 ,  郑增强 ,  刘荣华

IPC分类号： G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06V10/77 ,  G06V10/80 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/28 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/00

摘要： 本发明公开了一种工业缺陷实例分割方法。所述方法包括以下步骤：训练时不固定特征提取网络的浅层网络参数，以保证在开源自然实例数据集上得到的预训练网络能更好地拟合到工业缺陷实例，对工业缺陷实例进行有效的特征提取；使用级联缺陷区域建议模块，避免了从自然实例分割任务迁移到工业缺陷实例分割任务进行的大量参数调整，采用了多次候选框优化的机制提高了算法精度；提出了自适应分割质量评估探头，该模块能根据分割结果生成自适应的分割阈值进行分割结果的二值化，并对分割结果进行打分，解决了实例分割打分偏高的问题。以上设计使得本发明能够有效地解决工业缺陷实例分割问题。

公开(公告)号：CN114863098A

公开(公告)日：2022-08-05

申请号：CN202210397331.8

申请日：2022-04-15

申请人： 华中科技大学

发明人： 周瑜 ,  龚石 ,  周欢 ,  白翔 ,  郑增强 ,  刘荣华

IPC分类号： G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种用于工业场景的细小微弱缺陷分割方法。所述方法包括以下步骤：利用深度卷积神经网络特征编码器对RGB图像进行多尺度特征提取来适应不同尺度的缺陷；特征解码器对特征编码器提取的多尺度图像特征进行融合上采样以尽可能保留细节信息，得到高分辨率高区分力的图像特征图；基于融合后的图像特征图，采用分类器对图像进行逐像素二分类，将图像中所有像素划分为正常像素和缺陷像素两类。本方法提出了一种将正常像素与缺陷像素损失平衡的目标函数，使模型更有效学习到细小微弱缺陷特征，大幅减少了对工业场景下细小微弱缺陷的漏检，实现了更准确的缺陷像素级分割。

公开(公告)号：CN109886286B

公开(公告)日：2021-07-23

申请号：CN201910005486.0

申请日：2019-01-03

申请人： 武汉精测电子集团股份有限公司 ,  华中科技大学

发明人： 张胜森 ,  林宏志 ,  郑增强 ,  白翔 ,  刘荣华 ,  沈亚非

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于级联检测器的目标检测方法、目标检测模型及系统，该检测方法包括以下步骤：S1：采用带有目标标注的训练数据集对目标检测模型进行训练；S2：将待测图片输入训练好的目标检测模型中，通过特征提取、上采样、特征融合后得到不同尺寸的特征图P2、P3、…、Pn；S3：根据特征图Pn预测得到目标位置Bn和类别Cn；根据目标位置Bi从对应的特征图Pi‑1中提取相应的特征进行目标预测，得到目标位置Bi‑1和类别Ci‑1，i＝3～n；S4：以目标位置B2作为最终预测结果；本发明通过对目标候选框的多次迭代回归预测，得到预测更加准确的目标位置，提高了目标检测精度，检测准确度更高。

公开(公告)号：CN109886286A

公开(公告)日：2019-06-14

申请号：CN201910005486.0

申请日：2019-01-03

申请人： 武汉精测电子集团股份有限公司 ,  华中科技大学

发明人： 张胜森 ,  林宏志 ,  郑增强 ,  白翔 ,  刘荣华 ,  沈亚非

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于级联检测器的目标检测方法、目标检测模型及系统，该检测方法包括以下步骤：S1：采用带有目标标注的训练数据集对目标检测模型进行训练；S2：将待测图片输入训练好的目标检测模型中，通过特征提取、上采样、特征融合后得到不同尺寸的特征图P2、P3、…、Pn；S3：根据特征图Pn预测得到目标位置Bn和类别Cn；根据目标位置Bi从对应的特征图Pi-1中提取相应的特征进行目标预测，得到目标位置Bi-1和类别Ci-1，i＝3～n；S4：以目标位置B2作为最终预测结果；本发明通过对目标候选框的多次迭代回归预测，得到预测更加准确的目标位置，提高了目标检测精度，检测准确度更高。

公开(公告)号：CN114742799B

公开(公告)日：2024-04-26

申请号：CN202210401019.1

申请日：2022-04-18

申请人： 华中科技大学

发明人： 周瑜 ,  蔡雨萱 ,  罗东亮 ,  周欢 ,  白翔 ,  郑增强 ,  刘荣华

IPC分类号： G06T7/00 ,  G06V10/26 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

摘要： 本发明公开一种基于自监督异构网络的工业场景未知类型缺陷分割方法：准备大型预训练网络并固定参数，作为教师网络；构建异构学生网络，由异构特征编码模块、特征融合模块和分割模块组成；训练异构学生网络，将合成异常图像输入至教师和异构学生网络中，一方面，约束学生网络在合成图像的正常区域提取的多尺度特征与教师网络相应尺度特征相似，另一方面，约束分割模块产生的分割概率图准确回归合成的异常区域；测试阶段通过教师和异构学生网络提取的相应尺度的特征图的差异和分割概率图得到异常得分图，设置合适的阈值二值化得到异常分割图。本发明通过对特征编码模块的相关设计和自监督的引入，实现了对图像异常区域的精确分割。

公开(公告)号：CN117689675A

公开(公告)日：2024-03-12

申请号：CN202311732881.1

申请日：2023-12-14

申请人： 华中科技大学

发明人： 周瑜 ,  李煦蕤 ,  郑增强 ,  刘荣华

IPC分类号： G06T7/12 ,  G06T7/73 ,  G06T7/11 ,  G06V10/26

摘要： 本发明公开一种基于伪异常蒸馏判别网络的点云异常分割方法：使用伪异常生成模块在训练点云上模拟异常；使用生成的伪异常点云进行教师‑学生网络训练；使用学生输出特征和教师输出特征训练判别网络；在训练时固定教师特征提取模块中的网络参数，端到端训练学生提取模块与判别网络；测试阶段，将测试点云分别输入教师特征提取模块与学生特征提取模块，得到教师输出特征与学生输出特征，将教师输出特征与学生输出特征作差后与学生输出特征一起输入到判别网络中，得到二类概率点云，取最后一维作为异常分数点云，使用逆距离权重插值到原始点云中，根据预设的阈值得到异常分割结果。本发明还提供相应的基于伪异常蒸馏判别网络的点云异常分割装置。

公开(公告)号：CN114170599A

公开(公告)日：2022-03-11

申请号：CN202111523499.0

申请日：2021-12-14

申请人： 华中科技大学

发明人： 周瑜 ,  周欢 ,  龚石 ,  白翔 ,  郑增强 ,  刘荣华

IPC分类号： G06V20/70 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于蒸馏比较的异常物体分割方法：在无异常训练集上，训练一个语义分割网络，移除语义分类头后作为教师分支；固定教师分支参数，利用语义特征分布蒸馏获得与教师分支结构相似的学生分支。两分支的输出在正常类上保持一致，在异常类上不一致。输入带异常测试图像，两分支分别对图像进行多尺度特征提取和聚合，提取的语义特征逐位置进行比较得到异常分数图，异常分数图双线性插值取阈值将图像中的所有像素划分为正常和异常两类。本方法引入了一种全新的简单灵活的蒸馏比较网络来进行异常物体分割，在推理阶段没有利用语义分类头的结果，大幅减少了对语义分割错误的正常类别像素的误判，实现了更准确的异常物体分割。