一种基于对比知识蒸馏的轻量化缺陷检测方法技术

本发明专利技术公开了一种基于对比知识蒸馏的轻量化缺陷检测方法，对缺陷检测数据进行收集和预处理，搭建用于缺陷检测的教师网络模型和轻量化学生网络模型，基于预处理后的数据集对教师网络模型进行训练；将预处理后的数据集中的缺陷图片输入至训练好的教师网络模型和轻量化学生网络模型中得到教师多尺度知识和学生多尺度知识，通过对比学习损失来最小化教师和学生网络模型多尺度知识之间的差异，结合对比学习损失和检测损失组成的总损失利用反向传播算法来对学生网络模型的参数进行更新；将训练好的轻量化学生网络模型部署和应用到自主移动机器人上，实现智能制造产品的动态、实时缺陷检测。推动高效、准确和可持续的智能制造生产。

【技术实现步骤摘要】

本专利技术属于智能制造中缺陷检测，特别是涉及一种基于对比知识蒸馏的轻量化缺陷检测方法。

技术介绍

1、在智能制造领域，产品质量的检测是确保生产过程稳定和产品合格率的重要环节。缺陷检测作为质量检测的重要组成部分，旨在通过自动化手段识别和定位产品中的各种缺陷，如表面划痕、裂纹、变形等。然而，传统的缺陷检测方法存在诸多局限，难以满足现代制造业对高效、精准检测的需求。现有缺陷检测方法的局限性：1)人工检测：传统的缺陷检测主要依赖于人工操作。这种方法不仅效率低下，而且受限于检测人员的经验和疲劳度，检测结果的稳定性和一致性难以保证；2)基于规则的方法：一些早期的自动化缺陷检测系统依赖于预设的规则和阈值进行检测。这种方法对已知类型的缺陷可能有效，但面对复杂多变的缺陷类型和环境变化时，表现出较大的局限性，缺乏足够的灵活性和适应性；3)深度学习方法：近年来，基于深度学习的缺陷检测方法逐渐兴起。通过训练卷积神经网络（cnn）等模型，深度学习方法在图像识别和缺陷检测中展现出了优越的性能。然而，这些模型通常需要大量的计算资源和数据进行训练和推理，导致系统复杂性增加，难以满足工业现本文档来自技高网...

【技术保护点】

1.一种基于对比知识蒸馏的轻量化缺陷检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，S100包括：

3.根据权利要求2所述的方法，其特征在于，S200中教师网络模型包括用于多尺度特征提取的深度为101层的残差网络、用于多尺度特征融合的特征金字塔模块和用于检测结果预测的检测头模块；其中，特征金字塔模块先利用卷积层构建出不同尺度大小、通道数相同的多尺度特征，再利用双线性插值实现自顶向下的特征融合，实现语义特征与像素级特征的融合，检测头模块先利用四个共享权重的卷积层对融合后的多尺度特征进行编码，再通过由卷积层组成的两条解码分支分别...

【技术特征摘要】

1.一种基于对比知识蒸馏的轻量化缺陷检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，s100包括：

3.根据权利要求2所述的方法，其特征在于，s200中教师网络模型包括用于多尺度特征提取的深度为101层的残差网络、用于多尺度特征融合的特征金字塔模块和用于检测结果预测的检测头模块；其中，特征金字塔模块先利用卷积层构建出不同尺度大小、通道数相同的多尺度特征，再利用双线性插值实现自顶向下的特征融合，实现语义特征与像素级特征的融合，检测头模块先利用四个共享权重的卷积层对融合后的多尺度特征进行编码，再通过由卷积层组成的两条解码分支分别预测出缺陷的定位框和类别。

4.根据权利要求3所述的方法，其特征在于，s200中轻量化学生网络模型包括用于多尺度特征提取的深度为18层的残差网络、用于多尺度特征融合的...

【专利技术属性】
技术研发人员：毛建旭，易俊飞，王耀南，张辉，谢核，陶梓铭，曾凯，刘彩苹，谭浩然，朱青，
申请(专利权)人：湖南大学，
类型：发明
国别省市：