申请/专利权人：四川轻化工大学

申请日：2023-09-14

公开（公告）日：2024-04-16

公开（公告）号：CN117197095B

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0475;G06N3/0895;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.12.26#实质审查的生效;2023.12.08#公开

摘要：本发明提供一种基于半监督生成对抗分割模型的表面缺陷检测方法和系统，所述方法具体包括以下步骤：构建SSGD‑Seg模型；所述SSGD‑Seg模型包括第一生成器G1和第二生成器G2，第一判别器D1和第二判别器D2；数据集准备及预处理；基于预处理后的数据训练SSGD‑Seg模型；采用训练后的所述SSGD‑Seg模型对待检测物品进行缺陷检测。本发明可以精准的检测到小且弱的表面缺陷，并大大降低人工与时间成本，为保障工业生产的正常进行和生产企业对产品的质量把控有着积极意义。

主权项：1.一种基于半监督生成对抗分割模型的表面缺陷检测方法，其特征在于，具体包括以下步骤：构建SSGD-Seg模型；所述SSGD-Seg模型包括第一生成器G1和第二生成器G2，第一判别器D1和第二判别器D2；所述第一生成器G1和第二生成器G2均采用改进的Unet3+作为网络主体，所述第一生成器G1用于学习标记数据和未标记数据的特征，输出标记数据和未标记数据的分割置信映射，所述第二生成器G2从所述第一生成器G1中获得训练参数，只使用未标记数据进行训练，获得未标记数据的分割置信映射；所述第一判别器D1和第二判别器D2均由卷积层、DDBAC模块和全局平均池化层组成，所述第一判别器D1用于学习标记数据和未标记数据输出的分割置信映射之间的差异，所述第二判别器D2用于学习未标记数据中扰动数据和未扰动数据的区别；所述DDBAC模块由双通道注意力机制、动态卷积和可变形卷积构成；所述双通道注意力机制由像素注意力模块和信道注意力模块组成；所述像素注意力模块用于建立特征像素之间相对于局部特征的空间相关性模型；所述信道注意力模块用于捕获双通道映射中的远程通道依赖关系；数据集准备及预处理；基于预处理后的数据训练SSGD-Seg模型；采用训练后的所述SSGD-Seg模型对待检测物品进行缺陷检测。

全文数据：

权利要求：

百度查询： 四川轻化工大学 基于半监督生成对抗分割模型的表面缺陷检测方法和系统

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