一种基于无监督学习算法的轴承外侧面缺陷检测方法技术

本发明专利技术提供一种基于无监督学习算法的轴承外侧面缺陷检测方法，该方法包括以下步骤：采集待测轴承的外侧面图像，以固定大小的窗口对所述外侧面图像进行遍历；将遍历后的窗口图像依次输入改进生成对抗网络异常检测模型中进行检测；其中，改进生成对抗网络异常检测模型包括判别器、生成器、编码器；编码器包括依次连接的两个下采样模块、一个SE‑Block模块、两个下采样模块、一个SE‑Block模块、一个线性层和一个Tanh激活函数层；SE‑Block模块包括以残差结构连接的CBL模块和SE注意力模块。本发明专利技术能够更好地处理轴承外侧面图像的各种复杂情况，对轴承外侧面的缺陷检测具有更准确的检测结果。

【技术实现步骤摘要】

本专利技术涉及一种轴承表面缺陷检测方法，具体涉及一种基于无监督学习算法的轴承外侧面缺陷检测方法，属于机器视觉检测。

技术介绍

1、在对轴承外侧面进行缺陷检测时，由于轴承外侧面图像使用线阵相机采集，其形态和其他三个面不同，并且，轴承外侧面的缺陷种类复杂多样，没有明确的类别标签，而且现场采集的外侧面缺陷样本较少，因此，使用现有技术中基于有监督学习模型的检测方法很容易造成过拟合而无法进行准确的缺陷检测。

技术实现思路

1、基于以上背景，本专利技术的目的在于提供一种基于无监督学习算法的轴承外侧面缺陷检测方法，解决
技术介绍
中所述的问题。

2、为了实现上述专利技术目的，本专利技术提供以下技术方案：

3、一种基于无监督学习算法的轴承外侧面缺陷检测方法，该方法包括以下步骤：

4、采集待测轴承的外侧面图像，以固定大小的窗口对所述外侧面图像进行遍历；

5、将遍历后的窗口图像依次输入改进生成对抗网络异常检测模型中进行检测；

6、其中，所述的改进生成对抗网络异常检测模型包括本文档来自技高网...

【技术保护点】

1.一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：将遍历后的窗口图像依次输入改进生成对抗网络异常检测模型中进行检测，具体包括：

3.根据权利要求2所述的一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：所述的判别阈值的确定方法包括：

4.根据权利要求1所述的一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：所述的判别器包括依次连接的一个不启用批量归一化的下采样模块、三个下采样模块和一个线性层。</p>

5.根据...

【技术特征摘要】

1.一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：将遍历后的窗口图像依次输入改进生成对抗网络异常检测模型中进行检测，具体包括：

3.根据权利要求2所述的一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：所述的判别阈值的确定方法包括：

4.根据权利要求1所述的一种基于无监督学习算法的轴承外侧面缺陷检测方法，其特征在于：所述的判别器包括依次连接的一个不启用批量归一化的下采样模块、三个下采样模块和一个线性层。...

【专利技术属性】
技术研发人员：张一康，梁诗钧，李家乐，李俊峰，潘海鹏，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：