基于孪生网络的工业产品大缺陷检测方法技术

本发明专利技术提供了一种基于孪生网络的工业产品大缺陷检测方法，包括：将图像直接分成OK、NG两大类，从而构建出多个图像对；使用图像对训练孪生网络；所述图像对分别经过所述孪生网络的卷积层、全连接网络提取图片的特征向量；根据所述图像对的两个特征向量计算距离；如果距离大于阈值，那计算损失函数；如果损失函数为0则不更新网络参数，大于0则更新网络参数；使用训练好的孪生网络对图像进行识别，以检测出产品的大缺陷。本发明专利技术无需手工标注图片即可训练出可供测试的网络，单个模型可以测试多个产品，而非一个产品对应一个模型。而非一个产品对应一个模型。而非一个产品对应一个模型。

【技术实现步骤摘要】
基于孪生网络的工业产品大缺陷检测方法


[0001]本专利技术涉及缺陷检测领域，特别涉及一种基于孪生网络的工业产品大缺陷检测方法。

技术介绍

[0002]深度学习的快速发展，拓宽了在计算机视觉在工业产品应用的边界，如目标定位、识别、缺陷检测等。在实际的应用场景中，因深度学习属于有监督学习，往往依赖大量的人工标注数据来训练。深度学习主要是拟合数据的信息，数据的微弱变化都有可能导致模型出现偏差。而在实际的生产中，工业产品的图片往往需要高分辨率的图片，所以图片占的内存比较大，不能直接把图片输入到模型当中，而是输入小图。而在实际的生产中，因照片的光照变化、设备的磨损等，会造成较大的缺陷，如大掉块、大裂纹等，这会使得模型对这些缺陷“视而不见”，造成大缺陷漏检。而这些大缺陷漏检又是客户很不希望看到的，影响使用模型的体验。
[0003]一般来说，把这样的大缺陷加入到模型重新训练，可以缓解一定的问题，但是由于现场的环境恶劣、大缺陷出现的图片往往不可预知及数量比较少，且重新训练需要大量的人工标注以及时间成本。这样的操作，耗时费力不讨好，事倍功半。当然也有在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生网络的工业产品大缺陷检测方法，其特征在于，包括：将图像直接分成OK、NG两大类，从而构建出多个图像对；使用图像对训练孪生网络；所述图像对分别经过所述孪生网络的卷积层、全连接网络提取图片的特征向量；根据所述图像对的两个特征向量计算距离；如果距离大于阈值，那...

【专利技术属性】
技术研发人员：许琦，
申请(专利权)人：深圳市深视创新科技有限公司，
类型：发明
国别省市：