摘要
本发明涉及家居厨房技术领域,公开了一种基于热力图伪缺陷的自监督缺陷检测方法,伪缺陷图像构造步骤:提取正常源图像的特征以生成热力图,据此定位锚点并提取缺陷补丁,随后将补丁融合到正常目标图像,以构造带标注的伪缺陷图像;自监督模型训练步骤:使用伪缺陷及正常图像训练编码器‑解码器模型,通过最小化编码器与解码器重建特征间的差异,使模型学习正常样本的特征重建模式;缺陷检测步骤:利用训练好的模型,通过计算待测图像的编码器特征与解码器重建特征间的相似度分数进行检测,相似度分数低的区域被判定为缺陷。本发明通过热力图构造真实伪缺陷,并结合多尺度特征融合与注意力机制,提升了模型对多样化缺陷的检测准确率和泛化能力。
技术关键词
缺陷检测方法
图像
注意力机制
层级
交互特征
编码器特征
家居厨房技术
卷积神经网络提取
补丁
多尺度特征融合
特征融合网络
生成热力图
解码器模型
缺陷类别
特征值
系统为您推荐了相关专利信息
融合卷积神经网络
空间变换网络
深度残差网络
空洞
残差模块
分布式风电
多模态数据分析
电力网络模型
云数据中心
数据分析模型