【技术实现步骤摘要】
本专利技术涉及工业异常检测领域，具体涉及一种结合图像和点云的工业异常检测方法及系统。
技术介绍
1、在大规模的工业生产领域，质量检验是保证产品质量和满足客户需求的关键环节，尤其是在目前工业自动化的背景下，对于工业零件的质量检测需求越来越高。传统的检测方法主要是依赖于人工或基于简单规则的机器视觉算法，这些方法受限于效率和精度的问题。并且，现有的基于深度学习的异常检测方法主要针对2d图像或者独立的点云数据，而忽略了两者之间的关联性。事实上，在工业场景中，图像和点云可以相互补充信息，提高异常检测的精度和鲁棒性。例如，在某些情况下，2d图像可能无法捕捉到表面缺陷或者形变等异常信息，而点云可以提供更加丰富和准确的空间信息；反之，在某些情况下，点云可能受到噪声、遮挡、采样不均匀等影响，而图像数据可以提供更加清晰和完整的纹理信息。
技术实现思路
1、本专利技术的目的在于提供一种结合图像和点云的工业异常检测方法及系统，该方法及系统有利于提高异常检测的精度和鲁棒性。
2、为了实现上述目的，本专利...
【技术保护点】
1.一种结合图像和点云的工业异常检测方法，其特征在于，通过高精度的工业传感器获取工业零件的RGB图像和点云数据，再将获得的点云数据转换为深度图，并与RGB图像进行融合得到融合后的图像，然后通过预训练的特征提取模型对融合后的图像提取特征，最后通过预训练的判别模型进行工业零件异常判别。
2.根据权利要求1所述的一种结合图像和点云的工业异常检测方法，其特征在于，将深度图作为第四个通道信息与RGB图像进行整合，得到一个具有RGB图像信息和点云信息的RGBD文件。
3.根据权利要求1所述的一种结合图像和点云的工业异常检测方法，其特征在于，基于深度神经网络...
【技术特征摘要】
1.一种结合图像和点云的工业异常检测方法，其特征在于，通过高精度的工业传感器获取工业零件的rgb图像和点云数据，再将获得的点云数据转换为深度图，并与rgb图像进行融合得到融合后的图像，然后通过预训练的特征提取模型对融合后的图像提取特征，最后通过预训练的判别模型进行工业零件异常判别。
2.根据权利要求1所述的一种结合图像和点云的工业异常检测方法，其特征在于，将深度图作为第四个通道信息与rgb图像进行整合，得到一个具有rgb图像信息和点云信息的rgbd文件。
3.根据权利要求1所述的一种结合图像和点云的工业异常检测方法，其特征在于，基于深度神经网络构建特征提取模型并进行预训练，再使用训练好的特征提取模型对融合后的图像进行特征提取，得到融合了rgb图像信息和点云信息的特征描述；在使用预训练的特征提取模型提取特征时，冻结模型中的参数，只使用特征提取模型提取特征。
...【专利技术属性】
技术研发人员：林志贤，谢宏兴，林珊玲，郭太良，林坚普，吕珊红，林立恒，卢蓓婕，刘予敏，
申请(专利权)人：福州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。