一种基于标准化流模型的工业缺陷检测算法制造技术

本发明专利技术公开了一种基于标准化流模型的工业缺陷检测算法，该算法包括：将一定数量的正常图像样本构建训练数据集；从训练数据集选取正常图像样本并将其转为多种不同尺度图像；将多种不同尺度图像输入EfficientNet

【技术实现步骤摘要】
一种基于标准化流模型的工业缺陷检测算法


[0001]本专利技术涉及工业制品缺陷检测
，尤其涉及一种基于标准化流模型的工业缺陷检测算法。

技术介绍

[0002]工业缺陷指在发现各种工业制品的外观瑕疵，而图像异常检测主要是关注输入图像是否为异常实例，并且根据异常的形态可以分为定性异常的分类（图像级）和定量异常的定位（像素级），则可以将工业缺陷视为工业产品的外观“异常”，因此可以采用异常检测方法对工业缺陷进行检测。近年来，基于深度学习的检测方法在工业缺陷检测领域逐渐占据主流，现有主流的检测方法主要分为基于分类、基于重建以及基于密度表示等方法，主流的检测方法与其他方法相比在检测精度和通用性上具有较好优势。
[0003]通常，在缺陷检测任务中，缺陷的种类未知且繁多，而实际生产收集到的缺陷样本有限，并且会不断有新的缺陷类型出现。同一工业产品的不同待测图像之间的背景由于成像条件不同，难以保持一致，并且可能有不同种类的缺陷，而同一种缺陷也可能在形状、尺寸、大小、颜色等具有不同。实际开发中，工业缺陷未知，而检测要求方法需要达到高精度、低开销的要求，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于标准化流模型的工业缺陷检测算法，其特征在于包括以下步骤：S1、将一定数量的正常图像样本构建训练数据集；S2、从训练数据集选取正常图像样本并将其转为多种不同尺度图像；S3、将多种不同尺度图像输入EfficientNet
‑
B6网络提取多个尺度特征；S4、将提取的多个尺度特征同时输入优化后的cross
‑
scale flow网络进行处理，得到正常图像的密度分布；所述优化后的cross
‑
scale flow网络中的通道数与输入尺度特征的通道数对应，且其耦合块内部结构中融合方式为cat融合；S5、根据所述正常图像的密度分布设定正常图像的密度分布阈值；S6、获取待测图像样本，对该待测图像样本执行步骤S2
‑
S4的处理过程，获得该待测图像样本的密度分布，将待测图像样本的密度分布与所述密度分布阈值对比，判断该待测图像样本是否为正常图像。2.如权利要求1所述的一种基于标准化流模型的工业缺陷检测算法，其特征在于：所述将多种不同尺度图像输入EfficientNet
‑
B6网络提取多个尺度特征，具体是：采用EfficientNet
‑
B6网络的第36层输出作为特征提取器来提取不同尺度图像的尺度特征。3.如权利要求1所述的一种基于标准化流模型的工业缺陷检测算法，其特征在于：所述从训练数据集选取正常图像样本并将其转为多种不同尺度图像，具体是：从训练数据集选取正常图像样本并将其转为三种不同...

【专利技术属性】
技术研发人员：陈宇，陈琳，
申请(专利权)人：厦门微图软件科技有限公司，
类型：发明
国别省市：