-
公开(公告)号：CN118864454B
公开(公告)日：2025-01-21
申请号：CN202411336461.6
申请日：2024-09-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司 , 青岛海尔智能技术研发有限公司
Abstract: 本发明提供了一种基于记忆专家指导的无监督异常检测方法及系统，涉及异常检测技术领域，所述方法包括：获取待检测缺陷图像；将待检测缺陷图像输入训练好的缺陷检测模型中进行检测，获得玻璃容器表面缺陷检测结果；缺陷检测模型包括依次连接的用于提取差异显著特征图的特征蒸馏网络和用于根据差异显著特征图生成缺陷检测结果的异常细化网络；特征蒸馏网络基于正态记忆专家帮助去噪学生网络学习正常样本，正态记忆专家中存储有教师网络根据正态样例特征得到的记忆向量，去噪学生网络根据所述记忆向量，对根据待检测缺陷图像生成的查询特征进行更新。本发明能够提高玻璃容器表面缺陷检测的准确性。
-
公开(公告)号：CN118864454A
公开(公告)日：2024-10-29
申请号：CN202411336461.6
申请日：2024-09-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司 , 青岛海尔智能技术研发有限公司
Abstract: 本发明提供了一种基于记忆专家指导的无监督异常检测方法及系统，涉及异常检测技术领域，所述方法包括：获取待检测缺陷图像；将待检测缺陷图像输入训练好的缺陷检测模型中进行检测，获得玻璃容器表面缺陷检测结果；缺陷检测模型包括依次连接的用于提取差异显著特征图的特征蒸馏网络和用于根据差异显著特征图生成缺陷检测结果的异常细化网络；特征蒸馏网络基于正态记忆专家帮助去噪学生网络学习正常样本，正态记忆专家中存储有教师网络根据正态样例特征得到的记忆向量，去噪学生网络根据所述记忆向量，对根据待检测缺陷图像生成的查询特征进行更新。本发明能够提高玻璃容器表面缺陷检测的准确性。
-
公开(公告)号：CN117710757B
公开(公告)日：2024-05-24
申请号：CN202410159978.6
申请日：2024-02-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种基于多尺度特征引导与融合的工业异常检测方法及系统，涉及计算机视觉中的工业图像异常检测技术领域。该方法包括步骤：获取工业产品表面缺陷图像并进行预处理，得到训练集和测试集；建立由模拟异常网络、多尺度特征提取网络、多尺度特征加权融合网络和像素级异常评分网络依次连接的初步异常检测模型；利用训练集对初步异常检测模型进行训练，并利用测试集对训练好的异常检测模型进行效果验证；利用训练好的异常检测模型对待检测的工业图像进行异常检测。本发明能够提高对工业图像异常的敏感性和准确性，实现对产品表面缺陷更为可靠的检测识别和定位。
-
公开(公告)号：CN117710757A
公开(公告)日：2024-03-15
申请号：CN202410159978.6
申请日：2024-02-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种基于多尺度特征引导与融合的工业异常检测方法及系统，涉及计算机视觉中的工业图像异常检测技术领域。该方法包括步骤：获取工业产品表面缺陷图像并进行预处理，得到训练集和测试集；建立由模拟异常网络、多尺度特征提取网络、多尺度特征加权融合网络和像素级异常评分网络依次连接的初步异常检测模型；利用训练集对初步异常检测模型进行训练，并利用测试集对训练好的异常检测模型进行效果验证；利用训练好的异常检测模型对待检测的工业图像进行异常检测。本发明能够提高对工业图像异常的敏感性和准确性，实现对产品表面缺陷更为可靠的检测识别和定位。
-
-
-
Search Results
4
records
(took 0.029 seconds)
