[发明专利]一种基于多任务学习的工业缺陷检测方法

摘要

本发明涉及工业缺陷检测技术领域，公开了一种基于多任务学习的工业缺陷检测方法，将缺陷分类任务细分为两个子任务，分别正常/异常(ok/ng)二分类问题(记为task1)、n种缺陷类别的multilabel分类问题(记为task2)，构建基于卷积神经网络(CNN)的分类模型来解决该问题。分类模型由base model和head两部分组成。其中，base model负责提取输入图像的图像特征得到对应的特征图像，不同任务的base model采用hardsharing的连接方式共享网络权重。head为输出层，由base model引出两个分支，分别用于解决task1和task2；两个分支分别由全连接层和sigmod函数构成，输出ng类别的概率和n种缺陷的类别概率。该方法可缓解目前工业缺陷检测方法容易受到成像条件、缺陷与背景的差异小、图像对比度低、同一类型的缺陷尺度和外观变化大等干扰，导致检测效果不稳定的问题。