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。