摘要
本发明提供一种基于半监督学习和变化检测的缺陷识别方法及系统,涉及缺陷检测领域,所述方法流程为:获取相同拍摄条件下不同时间的单时相图像,并且对单时相图像进行预处理,以构建样本数据集;构建缺陷识别模型,并且基于样本数据集对缺陷识别模型进行半监督学习和变化检测,以得到最终的缺陷识别模型;其中,所述缺陷识别模型包括无监督模型和有监督模型;采用最终的缺陷识别模型对单时相图像进行缺陷识别,以得到缺陷识别结果。本发明采用半监督学习和变化检测的方式对缺陷进行检测,通过收集硬件缺陷中部分样本,采用变化检测的方式进行缺陷检出,从而减少人力,提升缺陷识别检出的准确率。
技术关键词
半监督学习
缺陷识别方法
无监督模型
引入注意力机制
数据获取单元
池化特征
样本
图像缩放
缺陷识别系统
全局平均池化
通道
标签
可读存储介质
处理器
计算机设备
元素
系统为您推荐了相关专利信息
内容识别方法
上下文特征
序列特征
空间变换网络
融合特征
图像特征参数
跨模态
数据
视觉
机器人触觉传感器
节点特征
实体关系抽取方法
文本
语义
神经网络模型
图像分类模型
半监督学习
样本
机器学习模型
半监督训练