一種基于多任務(wù)學(xué)習(xí)的工業(yè)缺陷檢測(cè)方法

基本信息

申請(qǐng)?zhí)?/td> CN202110484644.2 申請(qǐng)日 -
公開（公告）號(hào) CN113822842A 公開（公告）日 2021-12-21
申請(qǐng)公布號(hào) CN113822842A 申請(qǐng)公布日 2021-12-21
分類號(hào) G06T7/00（2017.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 李煜;羅長(zhǎng)志 申請(qǐng)（專利權(quán)）人 聚時(shí)科技（上海）有限公司
代理機(jī)構(gòu) 湖北天領(lǐng)艾匹律師事務(wù)所 代理人 胡振宇
地址 200000上海市楊浦區(qū)楊樹浦路2300號(hào)3B層B02-59室
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及工業(yè)缺陷檢測(cè)技術(shù)領(lǐng)域，公開了一種基于多任務(wù)學(xué)習(xí)的工業(yè)缺陷檢測(cè)方法，將缺陷分類任務(wù)細(xì)分為兩個(gè)子任務(wù)，分別正常/異常（ok/ng）二分類問題（記為task1）、n種缺陷類別的multilabel分類問題（記為task2），構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的分類模型來解決該問題。分類模型由base model和head兩部分組成。其中，base model負(fù)責(zé)提取輸入圖像的圖像特征得到對(duì)應(yīng)的特征圖像，不同任務(wù)的base model采用hardsharing的連接方式共享網(wǎng)絡(luò)權(quán)重。head為輸出層，由base model引出兩個(gè)分支，分別用于解決task1和task2；兩個(gè)分支分別由全連接層和sigmod函數(shù)構(gòu)成，輸出ng類別的概率和n種缺陷的類別概率。該方法可緩解目前工業(yè)缺陷檢測(cè)方法容易受到成像條件、缺陷與背景的差異小、圖像對(duì)比度低、同一類型的缺陷尺度和外觀變化大等干擾，導(dǎo)致檢測(cè)效果不穩(wěn)定的問題。