摘要
本发明提供一种基于局部向量检索的缺陷检测方法,包括以下步骤:S1:收集并标注工业缺陷图片,建立工业检测数据集;S2:构建特征提取模型Backbone,并利用工业检测数据集对该模型进行训练;S3:利用对比损失训练完模型后,离线生成正常特征库与缺陷特征库;S4:利用正常特征库与缺陷特征库,对测试图像进行检测;S5:生成检测结果,结束。所述基于局部向量检索的缺陷检测方法通过向量检索的方式来检测缺陷,能够与正样本特征进行比对,从而检测未知缺陷;利用特征间的距离来作为检测值,可解释性强,检测效果稳定,不易被背景纹理影响;具有检测精度高,鲁棒性强的优点,并且针对误检漏检数据,无需重新训练,只需要离线更新特征库即可,易用性更强。
技术关键词
缺陷检测方法
特征提取模型
矩阵
像素
贪心算法
工业
图片
检测缺陷
离线
数据
标签
图像
数值
视觉
鲁棒性
样本
基础
纹理
符号
系统为您推荐了相关专利信息
误差辨识方法
误差系数
设计数控机床
翻板
逆运动学
度评估方法
声纹特征
噪声谱估计
频域去噪
关系型数据库
协同导航方法
仿真环境
通信基站
强化学习模型
障碍物