摘要
本发明涉及太阳能网版的技术领域,具体涉及一种基于重建和记忆融合的轻量化无监督缺陷检测方法,技术方案要点包括首先,采用变分自编码器架构对正常太阳能网版样本进行训练,得到一个专用于太阳能网版背景的特征提取器;随后,利用该特征提取器对训练集中的正样本进行特征提取,通过K中心点贪心算法构建特征记忆库;在缺陷检测阶段,待检测图像先通过特征提取器获取其特征表示,随后计算其与记忆库中正常样本特征的最近邻距离,将最大最近邻距离作为异常分数;最终,通过预设阈值判定图像是否包含缺陷。本发明实现对图像正常性的精准判定,在太阳能网版缺陷数据集上展现出卓越的检测精度与效率,充分验证了其在实际工业应用中的有效性与鲁棒性。
技术关键词
无监督缺陷检测方法
太阳能网版
特征提取器
记忆
多层次深度特征
贪心算法
样本
融合多视角
高维特征向量
编码器架构
采样模块
编码器训练
图像特征向量
编码器结构
训练专用
输入解码器
解码器结构
阶段
系统为您推荐了相关专利信息
涡扇发动机
故障传播路径
独立特征
约束优化模型
数字孪生体
泡沫消除方法
气泡
泡沫消除系统
坐标
长短期记忆网络
预测控制模型
冷风调节阀
出口温度控制
风道
磨煤机设备
融合蛋白
蛋白纯化标签
活性肽
记忆
DNA重组技术
剩余使用寿命预测
长短记忆神经网络
样本
轴承
工况