一种基于吸引排斥对比学习的工业图像缺陷检测方法
技术特征：
1.一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的所述的一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：步骤1所述已有工业图像数据集共包含m个不同类别的图像数据集，其中m个为物体类别，n个为纹理类别，m+n＝m；将各个类别数据集均划分为训练集、测试集和标签数据集，其中训练集只包含正常图像，测试集则同时包含正常图像和真实的异常图像；所述的从已有图像数据集中获取正常图像数据是指从训练集中获取的正常图像数据i。
3.根据权利要求2所述的所述的一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：所述步骤2的具体方法为：
4.根据权利要求3所述的所述的一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：所述步骤3的具体方法为：
5.根据权利要求4所述的所述的一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：所述步骤4.1的具体方法为：
6.根据权利要求5所述的所述的一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：步骤4.2所述的学生网络是指主网络由参数可调的resnet18网络构成，其采用与教师网络相同的方法获取多层级特征融合后的特征fs'。
7.根据权利要求6所述的所述的一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：所述的将步骤4.2中学生网络提取的多层级特征融合后的特征fs'进行去异处理获取特征fs的具体方法为：先在特征fs'上加入高斯噪声将异常多样化，再送去unet网络进行去异处理后获得被修复的特征fs；
8.根据权利要求7所述的所述的一种基于吸引排斥对比学习的工业图像缺陷检测方法，其特征在于：步骤4.4所述的吸引排斥处理是指通过最小化正常像素点与异常像素点的损失函数，使正常像素点距离缩小，异常像素点距离增大，具体方法为：
技术总结
本发明提供一种基于吸引排斥对比学习的工业图像缺陷检测方法，涉及工业缺陷检测技术领域。该方法包括：从已有图像数据集中获取正常图像数据；对获取的正常图像数据进行数据增强获取合成异常图像；将合成异常图像分别送入工业图像缺陷检测模型的教师网络和学生网络进行特征提取，并分别进行多层级特征融合；在学生网络融合后的特征上添加高斯噪声，然后送入UNet网络进行去异处理；最后将两个网络的数据进行吸引排斥处理，实现使正常像素之间差异变小异常像素之间差异变大的目标，并在测试阶段保持模型参数不变，通过计算两个网络的输出特征差异定位出缺陷位置。该方法具有较好的缺陷定位效果，较快的推理速度，可以满足工业生产的需求。
技术研发人员：韩志艳,李龙,王健,潘英男,伦淑娴,高一航,刘金科,刘春龙,邓肯,吕奉洋
受保护的技术使用者：渤海大学
技术研发日：
技术公布日：2024/11/14
技术研发人员：韩志艳,李龙,王健,潘英男,伦淑娴,高一航,刘金科,刘春龙,邓肯,吕奉洋
技术所有人：渤海大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除