【技术实现步骤摘要】
本申请涉及图像识别领域，特别涉及一种工业图像异常检测方法、装置、设备及存储介质。
技术介绍
1、图像异常检测在工业领域中应用广泛，例如质量控制、缺陷检测和设备监控等。通过分析图像数据，检测出与正常模式不符的异常情况（如表面缺陷、设备故障等）。人工智能（ai）技术和传统计算机视觉（cv）方法在图像异常检测中各有优势。图像异常检测的目标是识别图像中不符合预期模式的区域或特征。在工业场景中，这通常涉及检测生产线上的产品缺陷（如划痕、裂纹、污点）或设备运行中的异常状态。传统cv和ai方法在实现这一目标时采用了不同的技术路线。
2、传统cv方法主要依赖图像处理技术和特征工程，常见技术包括边缘检测、纹理分析、模板匹配、阈值分割、特征提取与分类等手段。而深度学习近年来在图像异常检测中占据主导地位，常见方法包括监督学习、无监督学习、半监督学习、迁移学习、异常定位等手段。
3、但是传统cv方法具有泛化能力弱、对噪声敏感、检测精度不够、以及开发周期长的问题；而深度学习方案虽然弥补的精度问题，但其对数据依赖性强、计算成本高、可解释性...
【技术保护点】
1.一种工业图像异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述比对图像中的产品图区域进行矫正，包括：
3.根据权利要求1所述的方法，其特征在于，基于所述无缺陷产品图制作对比数据集和预存处理，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于接收的待检图像对所述对比数据集进行特征点形状匹配，确定与所述待检图像相似的比对图像，包括：
5.根据权利要求3所述的方法，其特征在于，在对所述比对图像中的产品图区域进行矫正后，所述方法还包括：
6.根据权利要求1-5任...
【技术特征摘要】
1.一种工业图像异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述比对图像中的产品图区域进行矫正，包括：
3.根据权利要求1所述的方法，其特征在于，基于所述无缺陷产品图制作对比数据集和预存处理，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于接收的待检图像对所述对比数据集进行特征点形状匹配，确定与所述待检图像相似的比对图像，包括：
5.根据权利要求3所述的方法，其特征在于，在对所述比对图像中的产品图区域进行矫正后，所述方法还包括：
6.根据权利要求1-5任一所述的方法，其特征在于，所述按像素移位操作与所述待检图像的产品图区域对齐，包括：
7.根据权利要求6...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：深存科技无锡有限公司，
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。