【技术实现步骤摘要】
本专利技术属于缺陷检测领域，涉及一种织物表面缺陷检测方法及相关装置。
技术介绍
1、在当前全球化市场环境下，国际竞争日益激烈并且传统生产优势逐渐消失，对制造业的技术水平和效率提出了更高的要求。产品质量直接关系到企业的市场竞争力和经济效益，尤其是对于纺织制造等传统制造业，产品表面缺陷检测至关重要。这类缺陷往往由机械故障、加工不当或材料处理不当等原因导致，通常微小且难以用肉眼识别。长期以来，织物缺陷检测主要依赖于人工视觉。这种方法不仅效率低下，而且检测精度受限于人的主观判断和疲劳，影响了产品质量与生产效率。近年来，基于深度学习的缺陷检测技术已经被提出并广泛应用于解决该问题。然而，绝大多数方法依赖于监督学习，需要大量标注的织物缺陷图像来构建训练集，标注成本高昂，且项目准备时间较长。此外，在实际生产中，新的织物瑕疵类型可能不断出现，传统监督学习方法难以快速适应和检测这些未知缺陷。
2、无监督缺陷检测的目标是仅使用正常样本实现对缺陷样本的识别，并精准定位其缺陷区域。这种方法在缺陷发生频率较低且数据采集困难的情况下具有广泛应用。目前，主...
【技术保护点】
1.一种织物表面缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的织物表面缺陷检测方法，其特征在于，所述从预设的若干类别中心特征信息中获取与所述特征信息相似度最高的类别中心特征信息，作为目标类别中心特征信息包括：
3.根据权利要求1所述的织物表面缺陷检测方法，其特征在于，所述预训练的通用无监督缺陷检测模型通过下述方式得到：
4.根据权利要求3所述的织物表面缺陷检测方法，其特征在于，所述预设的若干类别中心特征信息通过下述方式得到：
5.根据权利要求3所述的织物表面缺陷检测方法，其特征在于，所述在各特征块上叠加扰动得...
【技术特征摘要】
1.一种织物表面缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的织物表面缺陷检测方法，其特征在于，所述从预设的若干类别中心特征信息中获取与所述特征信息相似度最高的类别中心特征信息，作为目标类别中心特征信息包括：
3.根据权利要求1所述的织物表面缺陷检测方法，其特征在于，所述预训练的通用无监督缺陷检测模型通过下述方式得到：
4.根据权利要求3所述的织物表面缺陷检测方法，其特征在于，所述预设的若干类别中心特征信息通过下述方式得到：
5.根据权利要求3所述的织物表面缺陷检测方法，其特征在于，所述在各特征块上叠加扰动得到训练图像样本的各扰动特征块包括：
6.根据权利要求3所述的织...
【专利技术属性】
技术研发人员：陈麒宇，吕承侃，罗惠元，
申请(专利权)人：中国科学院自动化研究所，
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。