一种基于记忆库重构的无监督缺陷检测方法技术

本发明专利技术公开了一种基于记忆库重构的无监督缺陷检测方法，包括以下步骤：使用无缺陷的正常样本图像训练好基于记忆库重构的检测模型；输入待检样本图像到基于记忆库重构的检测模型中提取其特征集；在模型的记忆库中，寻找与特征集最匹配的记忆向量组，解码得到缺陷区域被修复的重构图像；计算输入的待检样本图像和输出的重构图像之间的逐像素差异矩阵并使用滤波进行平滑，最终判断待检样本图像是否存在缺陷以及缺陷的具体位置

【技术实现步骤摘要】
一种基于记忆库重构的无监督缺陷检测方法


[0001]本专利技术属于人工智能领域，具体涉及一种基于记忆库重构的无监督缺陷检测方法
。

技术介绍

[0002]表面缺陷检测是确保产品质量的最重要任务之一，以前大都采用人工目检或传统的机器视觉检测
。
深度学习发展起来后，由于其可以自动提取特征，获得深层次表示，泛化能力强，可端到端的学习，被人们迅速的应用于缺陷检测问题之中
。
基于深度学习的缺陷检测，可以分为有监督缺陷检测与无监督缺陷检测，前者需要大量带标签的正常样本与缺陷样本；然而在很多场合，缺陷样本很少出现，难以收集，且对缺陷样本的标注也耗时耗力，甚至无法办到；因此，学术界与工业界更多的注意力放在了无监缺陷检测上，直接从正常样本学习到正常模式分布
。
[0003]中国专利
CN202211380109.3
提出了一种基于特征记忆库的轻量化工业环境缺陷检测方法，能在尽量不损失准确率的前提下提升模型运行速度；中国专利
CN202211618023.Xr/>提出了一种基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于记忆库重构的无监督缺陷检测方法，其特征在于，包括以下步骤：使用无缺陷的正常样本图像训练好基于记忆库重构的检测模型；输入待检样本图像到基于记忆库重构的检测模型中提取其特征集；在模型的记忆库中，寻找与特征集最匹配的记忆向量组，解码得到缺陷区域被修复的重构图像；计算输入的待检样本图像和输出的重构图像之间的逐像素差异矩阵并使用滤波进行平滑，最终判断待检样本图像是否存在缺陷以及缺陷的具体位置
。2.
根据权利要求1所述的一种基于记忆库重构的无监督缺陷检测方法，其特征在于，所述的基于记忆库重构的检测模型由编码器
、
记忆库和解码器构成；所述的记忆库，为一个固定大小的矩阵，矩阵的每一行是一个代表正常模式的记忆向量；使用前向指数滑动平均法进行更新
。3.
根据权利要求1所述的一种基于记忆库重构的无监督缺陷检测方法，其特征在于，所述模型的损失函数，为平均绝对误差损失或均方误差损失或结构相似性损失或它们的组合
。4.
根据权利要求1所述的一种基于记忆库重构的无监督缺陷检测方法，其特征在于，所述的提取其特征集，是指将待检样本图像
I
输入到检测模型的编码器中，提取
I
的特征集
Q。5.
根据权利要求1所述的一种基于记忆库重构的无监督缺陷检测方法，其特征在于，所述与特征集最匹配的记忆向量组，计算公式为：记忆向量组其中
Q
是待检样本图像
I
的特征集，
M
是记忆库，
W
是寻址矩阵；寻址矩阵中各元素的取值为其中，
q
i
是特征集
...

【专利技术属性】
技术研发人员：胡亮，展华益，黄周，王镜宇，郑敏娥，陶原野，李聪聪，
申请(专利权)人：四川长虹电子控股集团有限公司，
类型：发明
国别省市：