申请/专利权人：华中科技大学

申请日：2023-12-06

公开（公告）日：2024-03-01

公开（公告）号：CN117635585A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/80;G06V10/52;G06V10/44;G06V10/82;G06V10/26;G06N3/0464;G06N3/0455;G06N3/096;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明属于图像处理领域，具体涉及一种基于教师‑学生网络的纹理表面缺陷检测方法，采用基于纹理表面缺陷图像所训练的包括学生网络和双分支解码模块的缺陷检测模型实现，包括：采用预训练教师网络以及学生网络分别对待检测图像编码；采用双分支解码模块，对由学生网络得到的多尺度特征中最深层尺度特征进行语义分割和特征恢复，对应得到缺陷分割图像以及与由教师网络所得到的多尺度特征具有相同多尺度的伪正常特征；计算每个尺度下的伪正常特征与由教师网络所得到的特征间的余弦相似度，以构建全局异常分数图；将缺陷分割图像和全局异常分数图进行融合，得到检测结果图像，完成缺陷检测。本发明针对复杂工业环境下各类纹理缺陷都能实现精确检测。

主权项：1.一种基于教师-学生网络的纹理表面缺陷检测方法，其特征在于，采用基于纹理表面缺陷图像所训练的包括学生网络和双分支解码模块的纹理表面缺陷检测模型实现，包括：采用预训练教师网络以及所述学生网络分别对待检测纹理表面图像进行编码，得到各自对应的多尺度特征；采用所述双分支解码模块，对由所述学生网络所得到的多尺度特征中最深层尺度特征进行语义分割和特征恢复，对应得到缺陷分割图像以及与由所述教师网络所得到的多尺度特征具有相同多尺度的伪正常特征；计算所述多尺度伪正常特征中每一尺度特征与由所述教师网络所得到的多尺度特征中对应尺度特征之间的余弦相似度，得到对应的异常分数图；将各尺度的异常分数图上采样至待检测纹理表面图像尺寸并逐像素相乘，得到全局异常分数图；将所述缺陷分割图像和所述全局异常分数图进行融合，得到检测结果图像，完成纹理表面缺陷检测。

全文数据：

权利要求：

百度查询： 华中科技大学 一种基于教师-学生网络的纹理表面缺陷检测方法

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