【技术实现步骤摘要】
本专利技术涉及工业图像处理，提供了一种基于改进变分自编码器的工业表面缺陷检测方法及装置。
技术介绍
1、在工业产品表面缺陷检测领域，传统的方法主要为人工审查和传统图像处理算法或传统机器学习算法，存在对全局上下文和复杂结构处理的不足。近年来，深度学习技术取得了显著的进展，transformer模型为深度学习模型之一也在图像处理领域成功应用。
2、在公知技术中，存在的异常检测图像处理方法有卷积神经网络（cnn）和传统的异常检测方法，以及根据vae-svm进行图像重建以达到缺陷检测的目的的方法等。然而，这些方法可能仍然存在对全局上下文的建模能力较弱、难以捕捉复杂结构、且依赖于大量样本数量，以及大量异常样本的标注，耗费人力物力以及时间等问题。
3、因此，现有技术面临如下技术问题：
4、1.异常样本稀疏性，在工业产品丝印生产中，调试好的设备一般是不易出现丝印异常的，在不同的领域，丝印异常出现的概率在0%至2%，因此，异常样本的数量通常较少，现有技术就很难从异常样本中学到多样的异常特征，导致检测效果不佳；
...【技术保护点】
1.一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，步骤3具体包括以下步骤：
3.根据权利要求2所述的一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，多头自注意力机制和线性映射经过多次堆叠，形成多个层，每个层的权重独立学习，使得模型能够逐层提取图像的抽象特征，从局部到全局逐渐捕捉更高级的语义信息。
4.根据权利要求1所述的一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，步骤4具体包括以下步骤：>
5.根据权利...
【技术特征摘要】
1.一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，步骤3具体包括以下步骤：
3.根据权利要求2所述的一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，多头自注意力机制和线性映射经过多次堆叠，形成多个层，每个层的权重独立学习，使得模型能够逐层提取图像的抽象特征，从局部到全局逐渐捕捉更高级的语义信息。
4.根据权利要求1所述的一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，步骤4具体包括以下步骤：
5.根据权利要求1所述的一种基于改进变分自编码器的工业表面缺陷检测方法，其特征在于，步骤5具体包括以下步骤：
6.一...
【专利技术属性】
技术研发人员：张一帆，廖强，王月超，吴哲潇，祝礼佳，王哲，刘阳，王涛，
申请(专利权)人：四川数聚智造科技有限公司，
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。