一种基于特征分离的缺陷检测方法技术

本发明专利技术公开了一种缺陷检测和缺陷样本复原的方法。本方法包含训练和测试两个部分，训练为无监督训练。整体框架分为两个模块，一个是特征提取模块En，一个是解码器模块Dec。训练阶段将原始图像人为处理添加缺陷并输入En，En输出缺陷特征和样本固有特征，Dec将上述特征解码得到缺陷置信图和修复图像。在测试阶段输入图像不做缺陷添加处理直接输入En。De‑Trans模型相比于传统ViT加入了多class token机制以及相应的特征分离loss和全局位置编码模块，前者完成特征分离，后者显著加速模型的训练过程。本发明专利技术从特征分离层面完成无监督的缺陷检测和样本复原，有效的降低了缺陷检测的训练成本并显著地提高了缺陷定位的颗粒度和空间变化的鲁棒性。

【技术实现步骤摘要】

本专利技术属于计算机视觉与模式识别领域，特别涉及一种基于特征分离的缺陷检测方法。

技术介绍

1、缺陷检测一直是工业界和学术界的重要研究领域。缺陷样本的稀少性以及缺陷类型的无限性一直是缺陷检测任务面临的艰难挑战，对此近年来无监督缺陷检测发展迅速，只使用正常样本数据去检测和定位异常部位成为主要研究方向。

2、但是目前主流的方法主要是基于生成式的方法和模板构建类方法。基于生成式的方法：对于不同的输入，模型生成对应的正常样本，比较输入输出的差异即可判断样本是否正常和基于判别式的方法；基于模板构建的方法：准备阶段，使用模型对正常样本提取特征，对这些特征进行处理和建模来构建正常样本模板，测试阶段度量测试样本特征和模板之间的距离来判别异常。这两种方法都有各自的优缺点，前者由于模型生成能力难以控制，在图像层面上的对比异常检测细粒度不够，但是自比较的方式具备空间变换鲁棒性；后者由于模板构建依赖样本在空间上要有对齐关系，对样本空间变换不鲁棒，但是特征层级上的比较异常检测细粒度高。

技术实现思路

1、针对现有技术的不足本文档来自技高网...

【技术保护点】

1.一种基于特征分离的缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于特征分离的缺陷检测方法，其特征在于，所述步骤(1)中，使用特征分离损失函数DeLoss对提取的特征进行约束，建立特征的类内和类间关系；具体表达式为：

3.根据权利要求1所述的一种基于特征分离的缺陷检测方法，其特征在于，所述步骤(1)中，所述ViT模型包括ViT基础模型以及具备Transformer自注意力机制的所有模型。

4.根据权利要求1所述的一种基于特征分离的缺陷检测方法，其特征在于，所述步骤(2)中，全局特征提取模块包括CNN、RNN、传统的图像特征提...

【技术特征摘要】

1.一种基于特征分离的缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于特征分离的缺陷检测方法，其特征在于，所述步骤(1)中，使用特征分离损失函数deloss对提取的特征进行约束，建立特征的类内和类间关系；具体表达式为：

3.根据权利要求1所述的一种基于特征分离的缺陷检测方法，其特征在于，所述步骤(1)中，所述vit模型包括vit基础模型以及具备transformer自注意力机制的所有模型。

4.根据权利要求1所述的一种基于特征分离的缺陷检测方法，其特征在于，所述步骤(2)中，全局特征提取模块包括cnn、rnn、传统的图像特征提取方法以及任意...

【专利技术属性】
技术研发人员：宋书懿，于慧敏，
申请(专利权)人：浙江大学，
类型：发明
国别省市：