申请/专利权人：中科(洛阳)机器人与智能装备研究院

申请日：2023-12-20

公开（公告）日：2024-03-08

公开（公告）号：CN117670858A

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0455;G06N3/0895;G06V10/82;G06V10/774;G06T5/40;G06T5/90;G06V10/40;G06V10/74;G01N21/88

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：基于CFLOW‑AD模型的金属带材表面缺陷检测方法，获取无缺陷金属带材表面图像，扩增后构建训练数据集，搭建PatchSVDD特征提取模型，导入训练数据集进行特征提取预训练，得到预训练模型；将预训练模型传入CFLOW‑AD模型的编码层作为特征提取器；提取正常金属带材高斯金字塔的特征，构建多尺度特征金字塔；利用训练数据集训练每个尺度层的独立解码器；利用训练好的CFLOW‑AD模型对有缺陷的测试样本图像进行检测，确定缺陷在图像上的区域。采用无缺陷样本进行自监督学习，解决了缺陷样本难以收集的问题，并通过数据扩增解决因成像因素带来的图像噪音，提高鲁棒性，降低了噪声误检。

主权项：1.基于CFLOW-AD模型的金属带材表面缺陷检测方法，其特征在于：包括如下步骤：（1）、获取无缺陷金属带材表面图像；（2）、对步骤（1）获取的图像进行扩增，构建训练数据集；（3）、搭建PatchSVDD特征提取模型，并导入步骤（2）的训练数据集进行特征提取预训练，得到预训练模型；（4）、搭建CFLOW-AD模型，对步骤（2）训练数据集的图像进行池化操作，构建高斯金字塔；其中，将步骤（3）的预训练模型传入CFLOW-AD模型的编码层作为特征提取器，提取正常金属带材高斯金字塔的特征，构建多尺度特征金字塔；（5）、利用步骤（2）的训练数据集训练步骤（4）多尺度特征金字塔每个尺度层的独立解码器；（6）、利用步骤（5）训练好的CFLOW-AD模型对有缺陷的测试样本图像进行检测，确定缺陷在图像上的区域。

全文数据：

权利要求：

百度查询： 中科(洛阳)机器人与智能装备研究院 基于CFLOW-AD模型的金属带材表面缺陷检测方法

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