【技术实现步骤摘要】
本专利技术属于图像处理领域，更具体地，涉及一种基于教师-学生网络的纹理表面缺陷检测方法。
技术介绍
1、现代化工业生产通常涉及高度自动化和高速生产，而且生产流程变得越来越复杂，导致许多产品表面会不可避免地产生瑕疵或缺陷，严重影响产线的良品率和生产效率。随着计算机图像处理技术的不断进步，基于机器视觉的纹理表面缺陷检测方法不断涌现。然而大部分纹理产品表面的正常区域与缺陷区域通常存在低对比度特性，具体表现为没有明显的过度区域，难以对其进行清晰成像和区分出明晰的轮廓边界，受纹理背景干扰严重，导致检测效果不佳。而且非规则纹理和规则纹理情况下的缺陷区域和纹理区域相比存在不同程度的干扰，这要求检测技术需要具备良好的泛化性。由于纹理和缺陷复杂多样性以及缺陷的不可预测、大尺度变化等特性，对纹理表面缺陷的鲁棒性检测一直以来是一项极具挑战性的任务。
2、随着各大生产企业越来越重视产品表面缺陷的检测，依靠人眼观察辨别缺陷的传统方式由于存在较大主观性，不稳定且效率低，已经逐步被具有非接触、高速、精度高等优点的现代自动光学检测(automatic op...
【技术保护点】
1.一种基于教师-学生网络的纹理表面缺陷检测方法，其特征在于，采用基于纹理表面缺陷图像所训练的包括学生网络和双分支解码模块的纹理表面缺陷检测模型实现，包括：
2.根据权利要求1所述的纹理表面缺陷检测方法，其特征在于，所述纹理表面缺陷图像在训练阶段为人工缺陷图像，其采用如下方式所构建得到：
3.根据权利要求2所述的纹理表面缺陷检测方法，其特征在于，在所述纹理表面缺陷检测模型的训练过程中所采用的损失函数包括：像素级对比解耦蒸馏损失，语义分割损失，以及特征恢复损失；
4.根据权利要求3所述的纹理表面缺陷检测方法，其特征在于，所述像素级对比...
【技术特征摘要】
1.一种基于教师-学生网络的纹理表面缺陷检测方法，其特征在于，采用基于纹理表面缺陷图像所训练的包括学生网络和双分支解码模块的纹理表面缺陷检测模型实现，包括：
2.根据权利要求1所述的纹理表面缺陷检测方法，其特征在于，所述纹理表面缺陷图像在训练阶段为人工缺陷图像，其采用如下方式所构建得到：
3.根据权利要求2所述的纹理表面缺陷检测方法，其特征在于，在所述纹理表面缺陷检测模型的训练过程中所采用的损失函数包括：像素级对比解耦蒸馏损失，语义分割损失，以及特征恢复损失；
4.根据权利要求3所述的纹理表面缺陷检测方法，其特征在于，所述像素级对比解耦蒸馏损失表示为：
5.根据权利要求3所...
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。