申请/专利权人：合肥国轩高科动力能源有限公司

申请日：2023-12-19

公开（公告）日：2024-02-27

公开（公告）号：CN117609925A

主分类号：G06F18/2433

分类号：G06F18/2433;G06F18/213;G06F18/25;G06N3/096;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明提供基于多教师网络知识蒸馏的工业异常检测方法及系统，方法包括：利用数据模块，构建MVTecAD数据集；预处理得到训练图片；利用教师网络特征提取模块对预处理训练图片，反向蒸馏取多分辨率特征得到教师网络特征；以MFF模块对教师网络特征中的多分辨率特征图，进行特征融合操作；利用多教师知识融合模块MTKF、教师网络，提取教师网络特征，采用多教师知识融合模块融合处理得到多教师知识融合特征，输入预置学生网络得到学生网络特征；利用学生网络特征提取模块，从学生网络特征中提取多分辨率网络特征；利用损失函数模块，损失特征图判断异常。本发明解决了检测精度较低、场景适用单一以及模型过度泛化的技术问题。

主权项：1.基于多教师网络知识蒸馏的工业异常检测方法，其特征在于，所述方法包括：S1、利用数据模块，采集工业监测数据，据以构建通用数据集，其中，所述通用数据集包括：训练集、测试集；S2、对所述训练集，利用数据预处理模块进行预处理操作，以得到预处理训练图片；S3、利用教师网络特征提取模块对所述预处理训练图片，通过反向蒸馏，按照预置特征图维度进行多分辨率特征提取操作，以得到教师网络特征；S4、利用特征融合模块中的MFF模块，对所述教师网络特征中的多分辨率特征图，进行特征融合操作，其中，所述特征融合模块包括：第一分支模块branch1、第二分支模块branch2；S5、利用多教师知识融合模块MTKF，使用不少于3个教师网络，进行教师网络特征提取操作，以得到不少3个教师网络特征，采用所述多教师知识融合模块，融合处理所述教师网络特征，以得到多教师知识融合特征，将所述输入预置学生网络，以得到学生网络特征；S6、利用学生网络特征提取模块，从所述学生网络特征中，按照预置特征图提取维度，提取得到多分辨率网络特征；S7、利用损失函数模块，根据所述多分辨率网络特征，计算损失特征图，根据所述损失特征图判断异常。

全文数据：

权利要求：

百度查询： 合肥国轩高科动力能源有限公司 基于多教师网络知识蒸馏的工业异常检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD