欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202210544694X
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于变分自动编码器的缺陷检测方法,其特征在于,所述方法包括以下步骤:步骤S100:收集数据集,并按照预设比例划分为训练集和测试集,其中,所述训练集为正常样本,所述测试集包括正常样本和异常样本;

步骤S200:构建缺陷检测网络模型,所述缺陷检测网络模型包括变分自动编码器网络和解码器网络;

步骤S300:对所述变分自动编码器网络和所述解码器网络进行参数的初始化后,将训练集中的图片按照预设规则拆分打乱后输入至所述变分自动编码器网络得到每个图像块对应的潜在特征,将所述每个图像块对应的潜在特征输入至所述解码器网络进行拼图重构得到重构训练图像,根据所述重构训练图像、所述训练集中的图像和预设的损失函数对所述模型进行反向传播更新网络参数,得到训练好的缺陷检测网络模型;

步骤S400:将所述测试集中的图片输入至所述训练好的缺陷检测网络模型中得到重构测试图像,根据所述重构测试图像和所述测试集中的图片得到整个图片的重构测试误差和每个补丁图片的重构测试误差,根据所述整个图片的重构测试误差、所述每个补丁图片的重构测试误差和预设的对应的误差阈值得到缺陷检测结果。

2.根据权利要求1所述的方法,其特征在于,步骤S300中所述将训练集中的图片输入至所述变分自动编码器网络得到每个块对应的潜在特征,包括:步骤S310:将所述训练集中的图片生成按伪标签打乱的图像块,将打乱后的图像块并行发送至所述变分自动编码器网络;

步骤S320:所述变分自动编码器网络对接收的所述打乱后的图像块进行特征提取和推理,得到每个图像块对应的潜在特征;其中,所述变分自动编码器网络使用ImageNet上的标准预训练ResNet‑50网络,移除所述标准预训练ResNet‑50网络的最后的全连接层,将倒数第二层作为潜在特征映射层。

3.根据权利要求2所述的方法,其特征在于,步骤S310包括:步骤S311:使用规则的n×n网格分隔训练图像得到训练补丁图像步骤S312:根据Si的伪标签对补丁进行打乱,得到打乱后的图像块,将所述打乱后的图像块发送至所述变分自动编码器网络。

4.根据权利要求3所述的方法,其特征在于,步骤S320中的每个图像块对应的潜在特征服从后验分布,引入先验分布,根据所述编码器推理得到每个图像块对应的潜在特征的后验分布,通过瓦瑟斯坦距离拟合所述先验分布和所述后验分布,具体为:k k

引入t分布 作为每个网格补丁x的潜在特征的先验分布p(z):其中v表示自由度数,Γ是伽马函数;

将所述变分自动编码器网络对接收的所述打乱后的图像块进行推理得到每个图像块k k对应的潜在特征的后验分布q(z|x);

k k k

根据瓦瑟斯坦距离拟合所述先验分布p(z)和所述后验分布q(z|x)之间的分布差异。

5.根据权利要求4所述的方法,其特征在于,所述根据瓦瑟斯坦距离拟合所述先验分布k k kp(z)和所述后验分布q(z|x)之间的分布差异具体为:

其中, 表示d维单位球体,对于固定的值θ, 表示p(x)的边际分布,Wp为p‑wasserstein距离。

6.根据权利要求5所述的方法,其特征在于,步骤S300中将所述每个块对应的潜在特征输入至所述解码器网络进行拼图重构得到重构训练图像,包括:所述解码器网络对接收的所述每个块对应的潜在特征重新进行排序,其中,所述解码器网络为多个由Upsample‑Conv‑BN‑ReLU层组成的块构建。

7.根据权利要求6所述的方法,其特征在于,预设的损失函数具体为:其中

其中,λ1、λ2是超参数, 是输入数据和重构数据之间的均方误差,xi为第i个输入图像,为第i个输入图像对应的重构图像, 是推理分布损失, 表示排列分类误差,k kSi是标签,z是第k个图像块的潜在特征, 表示求解z 对应的标签对应为 的概率。。

8.根据权利要求7所述的方法,其特征在于,步骤S400中根据所述整个图片的重构测试误差、所述每个补丁图片的重构测试误差和预设的对应的误差阈值得到缺陷检测结果,包括:当所述整个图片的重构测试误差大于或等于预设的第一阈值时,缺陷检测结果为输入为异常输入;

当所述整个图片的重构测试误差小于或等于预设的第二阈值且所述每个补丁图片的重构测试误差小于或等于预设的第三阈值时,缺陷检测结果为输入为正常输入。

9.根据权利要求8所述的方法,其特征在于,当所述整个图片的重构测试误差小于或等于预设的第一阈值∈0且所述每个补丁图片的重构测试误差小于或等于预设的第二阈值∈k时,缺陷检测结果为输入为正常输入,具体为:其中, 为第i个输入图像的第k个图像块, 为第i个输入图像的第k个图像块对应的重构图像,∈0、∈k分别为预设的第一阈值和预设的第二阈值。