【技术实现步骤摘要】
本专利技术属于缺陷检测相关，更具体地，涉及一种基于无监督架构级域自适应框架的工业表面缺陷检测方法及设备。
技术介绍
1、工业表面缺陷检测是智能制造中质量控制的核心组成部分。虽然基于深度学习的方法具有先进的缺陷检测性能，但其有效性仍受到人工定制网络架构的限制。特殊缺陷——如金属表面的裂纹或电子元件上的划痕——需要专门的神经架构和微调参数来实现最佳识别。然而，目前的方法在架构设计和超参数优化方面严重依赖于人类的专业知识，通常需要几天甚至数周的迭代细化。这种对专家干预的依赖和延长的开发周期阻碍了检测模型在动态生产环境中的敏捷部署。
2、在此背景下，神经架构搜索(nas)为克服网络设计的瓶颈提供了一个有前途的解决方案。通过将网络构造作为预定义搜索空间内的优化问题，nas可以自动生成针对特定数据集的特征而定制的高性能网络。与传统的手工设计范式相比，nas不仅降低了体系架构定制的复杂性，而且提高了复杂检测任务中的定制效率。最近的研究表明，nas生成模型在各种表面缺陷检测应用中优于人工设计的网络，如光伏电池缺陷检测、钢缺陷识别和木单板检测...
【技术保护点】
1.一种基于无监督架构级自适应框架的工业表面缺陷检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于无监督架构级自适应框架的工业表面缺陷检测方法，其特征在于：搜索空间由多个重复基础单元堆叠构成，每个基础单元是包含N个节点的有向无环图，每对相邻节点之间有多种候选操作；将每个节点之间所有可能的操作引入了架构参数α，将搜索空间连续化，进而通过梯度下降更新架构参数α，选择权重最高的操作来构建最优子网A(α)，使得架构参数α和相应的权重参数能通过梯度下降进行优化。
3.如权利要求1所述的基于无监督架构级自适应框架的工业表面缺陷检测方法，...
【技术特征摘要】
1.一种基于无监督架构级自适应框架的工业表面缺陷检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于无监督架构级自适应框架的工业表面缺陷检测方法，其特征在于：搜索空间由多个重复基础单元堆叠构成，每个基础单元是包含n个节点的有向无环图，每对相邻节点之间有多种候选操作；将每个节点之间所有可能的操作引入了架构参数α，将搜索空间连续化，进而通过梯度下降更新架构参数α，选择权重最高的操作来构建最优子网a(α)，使得架构参数α和相应的权重参数能通过梯度下降进行优化。
3.如权利要求1所述的基于无监督架构级自适应框架的工业表面缺陷检测方法，其特征在于：原有的带标签的工业产品的缺陷图像作为源域数据而构成源域，新得到的无标签的工业产品的表面图像作为目标域数据而构成目标域；在搜索空间的初始化过程中，将源域网络as的架构参数αs映射到搜索空间中，将源域网络as的权重参数w进一步继承到搜索空间，使得搜索空间演变成包含有源域搜索知识的搜索空间。
4.如权利要求3所述的基于无监督架构级自适应框架的工业表面缺陷检测方法，其特征在于：在混合标签生成之前，基于源域数据对解码器的参数进行调整，以建立从dinov2视觉大模型获取的通用特征到缺陷检测的映射关系，实现任务级语义对齐。
5.如权利要求3所述的基于无监督架构级...
【专利技术属性】
技术研发人员：李斌，王桢榕，牛通之，梅硕，李威风，
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。