公开(公告)号：CN116934687B

公开(公告)日：2024-02-09

申请号：CN202310689490.X

申请日：2023-06-12

Applicant: 浙江大学

Inventor： 张树有 ,  俞子安 ,  伊国栋

IPC: G06T7/00 ,  G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895 ,  G06V10/774 ,  G06N3/084 ,  G06V10/764

公开(公告)号：CN116934687A

公开(公告)日：2023-10-24

申请号：CN202310689490.X

申请日：2023-06-12

Applicant: 浙江大学

Inventor： 张树有 ,  俞子安 ,  伊国栋

IPC: G06T7/00 ,  G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895 ,  G06V10/774 ,  G06N3/084 ,  G06V10/764

Abstract: 本发明公开了一种基于半监督辅助学习语义分割的注塑制品表面缺陷检测方法，包括：获取注塑制品样本图像，构建语义分割数据集和图像重建数据集；构建SSAL网络模型，将语义分割数据集和图像重建数据集中的图像输入到SSAL网络模型中进行语义分割任务和图像重建任务的交替训练；将待检测的注塑制品样本图像输入到训练好的SSAL网络模型中进行缺陷的语义分割，将不同的缺陷标记为对应的像素值，得到语义分割结果图；根据语义分割结果图，将注塑制品缺陷区域量化，得到缺陷检测结果。本发明实现了注塑制品表面缺陷的自动化检测，提高了语义分割模型在小样本数据集下对注塑制品缺陷的检测准确率和泛化能力，更好地满足了工业场景的应用需求。

公开(公告)号：CN118261872A

公开(公告)日：2024-06-28

申请号：CN202410359446.7

申请日：2024-03-27

Applicant: 浙江大学

Inventor： 张益鸣 ,  俞子安 ,  张树有 ,  伊国栋

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/84 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种基于风险自评估和流式主动学习的工业表面缺陷识别方法和装置，方法包括：获取包含表面缺陷的工业制品样本图像，构建语义分割数据集；将语义分割数据集中的样本图像输入到构建的贝叶斯语义分割网络中进行训练，得到语义分割模型；基于语义分割模型获取损失阈值；基于损失阈值得到相关性模型；将相关性模型部署到生产线上，对待检测样本进行语义分割和不确定度量化，输出缺陷检测结果。本发明的模型能够感知预测结果的不确定度，并以不确定度为依据，筛选需要标注的样本，进而在之后的训练中强化模型的缺陷检测能力和对数据分布的适应性，从而实现对工业制品表面缺陷的准确检测。