摘要
本发明公开了一种基于掩码重建机制的多模态工业异常检测方法和系统,该方法针对工业生产中获取高质量标注数据集难,以及3D多模态数据融合利用难等问题,摒弃预训练模型与记忆库方法,采用基于重构的方式处理点云和RGB图像,以此降低计算资源消耗、增强实时性能。本发明方法包括在RGB图像和3D点云数据里分别运用掩码重建机制,精准提取2D与3D数据特征,助力提升异常检测表现;在3D点云信息提取中引入GPS几何感知采样,且在联合编码器中添加图注意力机制,强化2D‑3D特征交互与跨模态理解能力。本发明在MVTec3D‑AD和Eyescandies数据集上开展大量实验,充分验证了本方法的有效性,为工业异常检测达到全新性能高度提供有力支撑,为保障工业产品质量给出新思路。
技术关键词
异常检测方法
解码器
标记
图像
3D点云
高层次
机制
编码器
工业
特征提取器
分支
异常检测系统
注意力
存储程序指令
重建点云
预训练模型
近邻算法
邻域
库方法
系统为您推荐了相关专利信息
无人机自主巡检方法
非线性尺度空间
点云模型
金字塔
轮廓
晶圆缺陷检测方法
XY运动平台
相机
晶圆缺陷检测装置
远心镜头
预埋件检测方法
预埋件检测装置
拼接模块
网络
预埋件检测系统
纱线毛羽
图像分割方法
图像分割系统
注意力机制
深度学习模型