【技术实现步骤摘要】
本专利技术涉及一种基于距离信息驱动的复杂工业图像异常检测方法及装置，属于图像异常检测。
技术介绍
1、图像异常检测是在图像数据中识别和定位不符合预期或异常的像素或区域的过程，在许多实际问题中发挥着至关重要的作用。其中在工业场景下，以最普遍的流水线为例：流水线每时每刻都会流过大量的生产物件，小概率的漏检会导致大量的瑕疵待检测物件混入良好的物件中，使得再无法分辨，因此，及时检测流水线上的瑕疵产品对提高产品合格率至关重要。随着深度学习技术的不断发展，图像异常检测技术在工业领域取得了迅速的进展。
2、然而，现有方法主要针对简单的单一物体进行训练和检测，通常对目标物体的呈现方式有一定的要求，例如出现在图像中心，数量通常仅为一个，并且摆放方向较为统一。这些方法未考虑到检测复杂图像时的情况，即待检测图像内存在多个需要检测的物体，这些物体呈现多种摆放方向、处于不同位置。在实际的工业应用中，特别是对于小型工业物件，物体周围很少有单独出现的情景。因此，如何结合实际场景，对同一张图片上的多个待检测物体进行准确检测成为需要解决的问题。
...
【技术保护点】
1.一种基于距离信息驱动的复杂工业图像异常检测方法，其特征是，该方法包括：
2.根据权利要求1所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述图像异常检测模型是利用人工合成的伪异常图像进行训练的。
3.根据权利要求2所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述伪异常图像的合成方法包括：
4.根据权利要求3所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，在合成伪异常图像的过程中，同步生成真实异常分割图像，包括：
5.根据权利要求4所述的基于距离信息驱动的复杂工业图像异常检测方...
【技术特征摘要】
1.一种基于距离信息驱动的复杂工业图像异常检测方法，其特征是，该方法包括：
2.根据权利要求1所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述图像异常检测模型是利用人工合成的伪异常图像进行训练的。
3.根据权利要求2所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述伪异常图像的合成方法包括：
4.根据权利要求3所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，在合成伪异常图像的过程中，同步生成真实异常分割图像，包括：
5.根据权利要求4所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述图像异常检测模型的训练方法包括：
6.根据权利要求1所述的基于距离信息驱动的复杂工业图像异常检测方法，其特征是，所述待检测物体分割器...
【专利技术属性】
技术研发人员：江结林，刘西应，陈亚当，魏顺，许小龙，
申请(专利权)人：南京信息工程大学，
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。