摘要
本发明的一种无监督的实时汽车冲压件表面开裂检测方法,涉及表面缺陷检测领域。本发明首先使用自监督学习算法仅使用正常冲压件的样本对在大规模图像数据集上训练的模型进行微调,缩小汽车冲压件数据与大规模图像数据集之间的偏差提取更准确的特征。使用微调好的模型提取正常冲压件的特征并存储,提取拍摄到的冲压件特征并与正常特征进行对比,差异大的冲压件则被定义为异常件。为解决工业相机拍摄的照片像素高,对其下采样会丢失局部特征,提出的方法从全局和局部两个特征进行分析得到更准确的异常检测结果。实验结果表面我们所提出的方法在缺少缺陷样本的情况下,能够对汽车冲压件表面存在的缺陷进行准确的检测。
技术关键词
汽车冲压件
训练样本数据
残差网络模型
嵌入特征
分支
大规模图像数据集
无监督
高分辨率图片
矩阵
监督学习算法
工业相机
表面缺陷检测
特征提取器