[发明专利]一种柔印标签的在线缺陷检测方法

权利要求书

1.一种柔印标签的在线缺陷检测方法，其特征在于，包括以下步骤：

S1：空间变换网络STN匹配对齐：通过空间变换网络获取样本与柔印模板之间的匹配参数，完成对训练样本以及测试样本的匹配对齐；

S2：无监督缺陷检测：构建核心集，并且通过改进的K近邻算法得到测试样品的异常得分；

S3：弱监督缺陷检测：使用无监督缺陷检测的图像级分类结果作为标签，通过完成对热图的分割，实现柔印在线检测。

2.根据权利要求1所述的柔印标签的在线缺陷检测方法，其特征在于，所述步骤S1中，通过端到端的空间变换网络能快速地实现训练样本、测试样本对模板的匹配对齐，空间变换网络由Localisation net，Grid generator，Sampler三部分组成，在训练过程中，将测试样本向模板进行校正，将损失函数设为L1 loss和SSIM loss，在测试过程中，测试样本输入网络后即可实现端到端的校正。

3.根据权利要求2所述的柔印标签的在线缺陷检测方法，其特征在于，所述步骤S2中，通过构造核心集的方法来避免直接做差，综合多个无缺陷样本的特征，提高检测鲁棒性，使用空间变换网络匹配校正后的无缺陷样本构成训练集，通过预训练的resnet网络提取训练集特征，然后通过贪婪算法对训练集特征关键点进行筛选，对特征集实现降维；使用faiss构建量化器quantizer计算特征间的欧氏距离即相似度，构建IndexIVFFlat类型的索引，将簇心设为2400，对降维后的特征集进行kmeans聚类，最后将聚类中心加入到索引中并保存索引。

4.根据权利要求3所述的柔印标签的在线缺陷检测方法，其特征在于，所述步骤S2中，通过预训练的resnet网络提取测试样本的特征，加载保存好的索引，通过索引搜索最近的簇，然后在簇内应用K近邻算法，寻找到邻近点；通过K近邻算法来衡量异常得分，并将异常分数图resize到输入尺寸大小，从而实现无监督异常检测。

5.根据权利要求4所述的柔印标签的在线缺陷检测方法，其特征在于，所述步骤S3中，通过U-net架构提取样本特征，引入压缩和激励网络SEnet，通道和空间注意力模块抑制复杂背景的干扰，增强有用特征的表示；由于二元交叉熵函数不仅收敛快，而且在整批累积每像素的损失，因此使用二元交叉熵值作为损失函数，损失函数的输入为分类器的输出结果以及无监督缺陷检测的图像级分类结果，以热图像素的平均值和标准差组合构成分割的阈值，完成对热图的分割。

6.根据权利要求2所述的柔印标签的在线缺陷检测方法，其特征在于，所述Localizionnet用于获取位置参数，Localizion net通过四个ConvBnRelu Block以及两个Conv2d层提取图片特征，获得32*32的特征图U，然后将特征图reshape为1*1024后输入线性层，最后得到1*6的位置参数θ并将其reshape为2*3；

Grid generator利用θ对特征图U进行相应的空间变换，得到输出特征图将位置参数θ输入Grid generator获取特征图U，的映射关系，设U的坐标为的像素位置为则映射关系为：

也就是说,对于的每一个位置，对其进行空间变换即仿射变换寻找其对应与U的空间位置；

经过以上的两步操作后,上每一个像素点都会通过空间变换对应到U的某个像素位置,但是由于feature score对于feature position的偏导数无法计算,因而我们需要构造一种position到score的映射；该映射具有可导的性质,从而满足反向传播的条件。