基于对象的机器学习分析的基于图像的异常检测制造技术

本文公开了一种对象分析系统。对象分析系统可以接收描绘对象的输入图像。对象分析系统可以使用特征提取模型并根据输入图像来确定与对象的一个或多个特征相关联的第一特征输出。可以基于描绘作为对象的一种类型的参考对象的参考图像来训练特征提取模型。对象分析系统可以使用分类模型来确定对象的异常状态指示对象包括异常。可以基于参考图像来训练分类模型。

【技术实现步骤摘要】
【国外来华专利技术】

技术介绍

1、质量控制是涉及分析和/或审查产品以确保产品符合某些质量标准和/或准则的过程。对于物理产品，可能需要对产品进行目视检查，以标识会防止产品满足某些质量标准和/或准则的产品上的或与产品相关联的异常。这种异常的形式可能取决于产品的类型和/或在具有各种特性方面是独特的。因此，需要一种能够检测某个产品上的或与某个产品相关联的独特异常的系统。

技术实现思路

1、在一些实施方式中，一种与检测与对象相关联的异常相关联的方法包括：接收描绘对象的输入图像；使用特征提取模型来处理输入图像，以在第一特征输出中指示对象的一个或多个特征，其中，基于与对象的类型相关联的参考图像来训练特征提取模型，其中，参考图像描绘与对象的类型相同类型的一个或多个非异常对象；基于一个或多个特征，使用分类模型来确定对象的异常状态指示对象包括异常，其中，分类模型被配置为基于与第一特征输出相关联的分类得分和分类模型的分类阈值来确定异常状态，其中，基于涉及参考图像的相似性分析来确定分类阈值；基于特征提取模型的第二特征输出来确定与异常状态相关联的异常的本文档来自技高网...

【技术保护点】

1.一种与检测与对象相关联的异常相关联的方法，包括：

2.如权利要求1所述的方法，其特征在于，所述分类模型包括支持向量机，所述支持向量机被配置为：

3.如权利要求1所述的方法，其特征在于，所述分类模型包括：

4.如权利要求1所述的方法，其特征在于，所述第一特征输出来自所述特征提取模型的卷积神经网络编码器的输出层，并且

5.如权利要求1所述的方法，其特征在于，所述异常定位模型包括被配置为确定所述异常的所述位置的卷积神经网络解码器。

6.如权利要求5所述的方法，其特征在于，所述第二特征输出来自所述特征提取模型的卷积神经网络解码器的中...

【技术特征摘要】
【国外来华专利技术】

1.一种与检测与对象相关联的异常相关联的方法，包括：

2.如权利要求1所述的方法，其特征在于，所述分类模型包括支持向量机，所述支持向量机被配置为：

3.如权利要求1所述的方法，其特征在于，所述分类模型包括：

4.如权利要求1所述的方法，其特征在于，所述第一特征输出来自所述特征提取模型的卷积神经网络编码器的输出层，并且

5.如权利要求1所述的方法，其特征在于，所述异常定位模型包括被配置为确定所述异常的所述位置的卷积神经网络解码器。

6.如权利要求5所述的方法，其特征在于，所述第二特征输出来自所述特征提取模型的卷积神经网络解码器的中间层。

7.如权利要求1所述的方法，其特征在于，生成所述异常数据包括：

8.一种设备，包括：

9.如权利要求8所述的设备，其特征在于，所述特征提取模型包括卷积神经网络编码器。

10.如权利要求8所述的设备，其特征在于，所述分类模型包括支持向量机，所述支持向量机被配置为提供分类得分，所述分类得分指示所述对象包括异常特征或不包括异常特征，

11.如权利要求10所述的设备，其特征在于，所述相似性分析被配置为确定与所述分类得分相比的所述支持向量机的分类阈值，以确定与所述对象包括异常特征或不包括异常特征相关联的所...

【专利技术属性】
技术研发人员：D·S·冈萨雷斯，张燕，A·米拉伯，A·贝，
申请(专利权)人：斑马技术公司，
类型：发明
国别省市：