异常检测方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种异常检测方法、装置及电子设备，涉及工业视觉检测的技术领域，该方法包括：获取待检测图像和第一标准图像；使用学生网络对待检测图像进行特征提取得到第一特征向量，以及，使用教师网络对第一标准图像进行特征提取得到第二特征向量；对第一特征向量和第二特征向量中每个对应维度的两个向量元素均计算损失得到每个维度的损失矩阵；对每个损失矩阵进行融合构建热力图；根据热力图对待检测图像进行异常检测。本发明专利技术提供的异常检测方法、装置及电子设备，可以避免直接采用深度学习的异常监测方式带来的鲁棒性不高的问题，同时，也可以适用多种类产品的缺陷检测场景，有助于提高视觉监测的精度和检测效率。

【技术实现步骤摘要】

本专利技术涉及工业视觉检测的，尤其是涉及一种异常检测方法、装置及电子设备。

技术介绍

1、随着工业制造领域近几十年迅猛发展，特别是在工业缺陷检测和量测、工业图像定位等场景和需求的爆发增长，越来越多的制造业车间往智能化无人车间发展，同时，计算机视觉技术也越来越多地应用其中。

2、在工业视觉检测领域，缺陷检测和量测在轴承表面缺陷检测、晶圆缺陷检测、3c组装、ic载板等很多场景中频繁出现。

3、传统的人工检测方法存在着成本高、效率低、精度不足等问题。

4、随着图像处理技术的快速发展，出现了一系列传统图像处理异常检测的技术方法和有监督的深度学习异常检测的技术方法。以往此类方法在面对工业产品种类繁多的缺陷检测场景时，往往会有鲁棒性不高、精度有限制等问题，难以摆脱大量的人工标注数据的工作，降低了视觉检测的精度和检测效率。

技术实现思路

1、有鉴于此，本专利技术的目的在于提供一种异常检测方法、装置及电子设备，以缓解上述技术问题。

2、第一方面，本专利技术实施例提供了一种异常检本文档来自技高网...

【技术保护点】

1.一种异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，对每个维度的所述损失矩阵进行融合构建热力图的步骤，包括：

3.根据权利要求2所述的方法，其特征在于，将每个维度的所述损失矩阵还原到原始尺寸的标准损失矩阵的步骤，包括：

4.根据权利要求1所述的方法，其特征在于，基于判断结果确定所述待检测图像中是否有异常缺陷，并确定该异常缺陷的位置信息的步骤，包括：

5.根据权利要求1所述的方法，其特征在于，获取待检测图像，以及，所述待检测图像对应的第一标准图像的步骤，包括：

6.根据权利要求5所述的方法，...

【技术特征摘要】

1.一种异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，对每个维度的所述损失矩阵进行融合构建热力图的步骤，包括：

3.根据权利要求2所述的方法，其特征在于，将每个维度的所述损失矩阵还原到原始尺寸的标准损失矩阵的步骤，包括：

4.根据权利要求1所述的方法，其特征在于，基于判断结果确定所述待检测图像中是否有异常缺陷，并确定该异常缺陷的位置信息的步骤，包括：

5.根据权利要求1所述的方法，其特征在于，获取待检测图像，以及，所述待检测图像对应的第一标准图像的步骤，包括：

6.根据权利要求5所述的方法，其特征在于，对所述标准图像进行矩阵处理，得到所述标准图...

【专利技术属性】
技术研发人员：魏俊然，翟梦华，郑军，
申请(专利权)人：聚时科技上海有限公司，
类型：发明
国别省市：