【技术实现步骤摘要】
本专利技术属于图像缺陷检测，尤其涉及一种工业图像缺陷检测方法。
技术介绍
1、工业品表面质检、工业图像缺陷在线智能检测系统以及产品分类等
，主要采用实际工业产品图像对深度学习算法模型进行训练学习，使网络模型能够快速准确地检测和定位出复杂工业图像中的缺陷以及缺陷的位置的方法，从而大大减少人工质检的时间和资源，同时也能保持高效准确的检测效果。
2、传统基于知识蒸馏思想的图像缺陷异常检测模型中，师生网络大多采用相同或相似的网络架构，这会极大阻碍了学生网络对异常表征的多样性，导致学生网络也能高度概括与教师网络相同的异常特征，使师生模型之间的差异减小，导致检测方法会出现漏检或误检的现象。
3、如arxiv上的论文student-teacherfeaturepyramidmatching forunsupervisedanomalydetection提出了一种基于师生特征金字塔匹配的缺陷异常检测算法，即stpm。如图7所示，教师网络采用预训练resnet-18作为网络骨干，学生网络采用未经训练的resnet-18作为网...
【技术保护点】
1.一种工业图像缺陷检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的工业图像缺陷检测方法，其特征在于，所述教师网络支持预训练CNN网络；
3.如权利要求1所述的工业图像缺陷检测方法，其特征在于，所述加载前，构建工业图像缺陷检测模型包括以下步骤：
4.如权利要求3所述的工业图像缺陷检测方法，其特征在于，所述根据工业图像训练集生成合成异常图像集具体指：工业图像训练集通过异常模拟策略生成合成异常图像集。
5.如权利要求3所述的工业图像缺陷检测方法，其特征在于，所述S30、通过合成异常图像集训练工业图像缺陷检测模型，...
【技术特征摘要】
1.一种工业图像缺陷检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的工业图像缺陷检测方法，其特征在于，所述教师网络支持预训练cnn网络；
3.如权利要求1所述的工业图像缺陷检测方法，其特征在于，所述加载前，构建工业图像缺陷检测模型包括以下步骤：
4.如权利要求3所述的工业图像缺陷检测方法，其特征在于，所述根据工业图像训练集生成合成异常图像集具体指：工业图像训练集通过异常模拟策略生成合成异常图像集。
5.如权利要求3所述的工业图像缺陷检测方法，其特征在于，所述s30、通过合成异常图像集训练工业图像缺陷检测模型，构建对比损失函数，优化工业图像缺陷检测模型参数包括以下步骤：
6.如权利要求5所述的工业图像缺陷检测方...
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。