【技术实现步骤摘要】
本专利技术属于产品表面缺陷检测，更具体地，涉及一种基于触觉反馈的表面缺陷检测模型及其构建方法、检测方法。
技术介绍
1、高质量的表面对于保证产品性能和使用寿命至关重要。许多前沿制造业对于产品表面质量有苛刻要求，例如航空器制造，核燃料容器制造和人工器官制造等。为保证产品的耐用性和安全性，这些行业的产品表面缺陷尺寸通常被限制在0.01mm。因此，为提高成品质量，杜绝安全隐患，制造过程必须包含表面质量检测环节。
2、人工检查是早期工业领域常用的表面质量检测方法，包含人工目测、接触式检测和光学检测等。这些方法依赖人力，效率低。随着现代工业对高效、高精度和自动化的要求不断提高，传统方法的弊端日渐显著。近年来，计算机视觉的发展为产品表面缺陷检测提供了一种自动、高效而低成本的解决方案，引起了学术界和工业界的广泛关注。目前已被应用于许多制造领域，例如钢板冲压、陶瓷烧结、车身焊接和印刷电路板等。
3、然而，在应对细微缺陷检测任务时，这类依赖于视觉图像的方法存在以下局限性：①受光学传感器物理特性制约，无法在狭窄或封闭的弱光照条件下工...
【技术保护点】
1.一种基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，所述特征提取器和分类器采用独立训练策略，即先基于产品表面触觉信号及其缺陷类别标签对特征提取器进行训练；然后通过训练好的特征提取器获取表示向量，基于表示向量及对应缺陷类别标签对分类器进行训练。
3.如权利要求2所述的基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，特征提取器训练时采用的损失函数如下：
4.如权利要求3所述的基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，特征提取器...
【技术特征摘要】
1.一种基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，所述特征提取器和分类器采用独立训练策略，即先基于产品表面触觉信号及其缺陷类别标签对特征提取器进行训练；然后通过训练好的特征提取器获取表示向量，基于表示向量及对应缺陷类别标签对分类器进行训练。
3.如权利要求2所述的基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，特征提取器训练时采用的损失函数如下：
4.如权利要求3所述的基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，特征提取器训练时，利用sgd优化器逐代优化特征提取器的各层参数。
5.如权利要求2所述的基于触觉反馈的表面缺陷检测模型构建方法，其特征在于，分类器训练时采用交叉熵损失函数，并利用adam优化器逐代优化分类器的各层参数。
6.如权利要求1所述的基于触觉反馈的表面缺陷检...
【专利技术属性】
技术研发人员：李新宇，喜泽瑞，高亮，高艺平，
申请(专利权)人：华中科技大学，
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。