[发明专利]一种基于深度学习和全局差异性信息的表面缺陷检测方法有效
| 申请号： | 202310504401.X | 申请日： | 2023-05-08 |
| 公开（公告）号： | CN116228754B | 公开（公告）日： | 2023-08-25 |
| 发明（设计）人： | 孙启玉;刘玉峰;孙平;杨公平 | 申请（专利权）人： | 山东锋士信息技术有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/73;G06V10/40;G06V10/80;G06V10/26;G06V10/82;G06V10/764;G06N3/0464;G06N3/047;G06N3/048;G06N3/084 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 250100 山东省济南市高*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习和全局差异性信息的表面缺陷检测方法，属于表面缺陷检测技术领域。由原始数据集的训练集构建基准样本集与普通训练样本集，通过基准样本集的特征拟合多元高斯分布，得到该类样本图片上不同位置patch对应的均值与协方差，并将普通训练样本集中每个样本的特征与对应由基准样本集拟合的均值、协方差计算马氏距离，得到全局差异性信息图，最后再与普通训练样本集对应的样本图片表示相融合，得到最终的输入数据，输入到分割网络中输出缺陷分数图，并构建损失函数，以此来训练网络模型。本发明让模型更加关注图片中可能的缺陷区域，学习到更多的关于缺陷模式的信息，进一步提高了缺陷检测模型的精度以及泛化能力。 | ||
| 搜索关键词： | 一种 基于 深度 学习 全局 差异性 信息 表面 缺陷 检测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东锋士信息技术有限公司，未经山东锋士信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310504401.X/，转载请声明来源钻瓜专利网。
