摘要
本发明公开了一种基于人工智能的工业图像变化异常检测方法及系统,涉及图像识别技术领域,包括,采集双光源工业图像,采用频域显著性引导融合,并通过色彩映射与边缘增强进行视觉增强处理;将增强图像输入CNN卷积网络生成多尺度特征图,通过二维快速傅里叶变换与高通滤波模板提取多尺度高通残差图,通过局部注意力引导融合,拼接所有尺度并进行编码生成token序列;构建自归纳视觉模型,对token序列进行特征重建,生成重建特征图;采用双重误差指标,计算重建误差评分图,采样得到异常平滑图,基于异常平滑图分割异常区域。最终构建了图像级判断与区域级识别的双重异常检测体系。
技术关键词
异常检测方法
二维快速傅里叶变换
重建误差
双线性插值
工业
生成多尺度
多尺度特征
序列
融合策略
残差信息
局部注意力机制
视觉
加权特征
生成融合图像
编码
高层语义特征
多头注意力机制
系统为您推荐了相关专利信息
训练神经网络
佩戴检测方法
计算机可读指令
安全帽佩戴检测
标注工具
系统异常检测方法
决策树模型
关联分析算法
识别系统
机器学习模型
电池管理系统
显影方法
控制电路板
指标
皮尔逊相关系数
特征提取器
分类方法
分类器
工业机器视觉技术
训练集
影像
矢量数据处理
像素
SLIC算法
边缘检测算法