[發(fā)明專利]產(chǎn)線異常的判斷方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810011286.1
• 申請(qǐng)日: 2018-01-05
• 公開（公告）號(hào): CN108090905B
• 公開（公告）日: 2019-02-05
• 發(fā)明（設(shè)計(jì)）人: 王建民;劉英博;王希梅;萬(wàn)英格
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發(fā)明提供一種產(chǎn)線異常的判斷方法及系統(tǒng)，其中判斷方法基于生成式對(duì)抗網(wǎng)絡(luò)進(jìn)行判斷，該判斷方法具體包括：將工序前的圖像輸入至預(yù)先訓(xùn)練的生成網(wǎng)絡(luò)，輸出預(yù)測(cè)的工序后的圖像，作為預(yù)測(cè)圖像；將所述預(yù)測(cè)圖像以及與該預(yù)測(cè)圖像配對(duì)的實(shí)際的工序后的圖像一同輸入至預(yù)先訓(xùn)練的判別網(wǎng)絡(luò)，獲得所述判別網(wǎng)絡(luò)的輸出值，所述輸出值的值域?yàn)?0,1)；根據(jù)所述輸出值靠近的值域端點(diǎn)，判斷產(chǎn)線是否異常。發(fā)明為分析工序后圖像判斷產(chǎn)線缺陷異常提供了更可信、高效的自動(dòng)化方法。

技術(shù)領(lǐng)域

本發(fā)明涉及產(chǎn)線質(zhì)檢技術(shù)領(lǐng)域，更具體地，涉及產(chǎn)線異常的判斷方法及系統(tǒng)。

背景技術(shù)

借助工業(yè)生產(chǎn)線的單工序前后收集到的成對(duì)圖像信息，人們可以判斷工序運(yùn)行是否出現(xiàn)缺陷異常。隨著工業(yè)生產(chǎn)流水線的機(jī)械化、自動(dòng)化，上述圖像信息的分析工作需要大量的人工成本，且對(duì)于產(chǎn)線缺陷異常的判斷標(biāo)準(zhǔn)難以清晰界定。

生成式對(duì)抗網(wǎng)絡(luò)(GAN)是一種深度學(xué)習(xí)模型，是近年來(lái)復(fù)雜分布上無(wú)監(jiān)督學(xué)習(xí)最具前景的方法之一。模型通過(guò)框架中(至少)兩個(gè)模塊：生成模型(Generative Model)和判別模型(Discriminative Model)的互相博弈學(xué)習(xí)產(chǎn)生相當(dāng)好的輸出。

發(fā)明內(nèi)容

本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的產(chǎn)線異常的判斷方法及系統(tǒng)。

根據(jù)本發(fā)明的一個(gè)方面，提供一種產(chǎn)線異常的判斷方法，該判斷方法基于生成式對(duì)抗網(wǎng)絡(luò)進(jìn)行判斷，該判斷方法具體包括：

將工序前的圖像輸入至預(yù)先訓(xùn)練的生成網(wǎng)絡(luò)，輸出預(yù)測(cè)的工序后的圖像，作為預(yù)測(cè)圖像；

將所述預(yù)測(cè)圖像以及與該預(yù)測(cè)圖像配對(duì)的實(shí)際的工序后的圖像一同輸入至預(yù)先訓(xùn)練的判別網(wǎng)絡(luò)，獲得所述判別網(wǎng)絡(luò)的輸出值，所述輸出值的值域?yàn)?0,1)；

根據(jù)所述輸出值靠近的值域端點(diǎn)，判斷產(chǎn)線是否異常。

優(yōu)選地，所述根據(jù)所述輸出值靠近的值域端點(diǎn)，判斷產(chǎn)線是否異常的步驟，具體包括：

當(dāng)所述輸出值靠近1時(shí)，判斷產(chǎn)線正常；當(dāng)所述輸出值靠近0時(shí)，判斷產(chǎn)線異常。

優(yōu)選地，所述將工序前的圖像輸入至預(yù)先訓(xùn)練的生成網(wǎng)絡(luò)的步驟之前，還包括對(duì)所述生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)進(jìn)行單獨(dú)交替迭代訓(xùn)練的步驟：

獲取訓(xùn)練集，所述訓(xùn)練集中包括一定數(shù)量的工序前的圖像以及與每個(gè)工序前的圖像對(duì)應(yīng)的實(shí)際的工序后的圖像；

在當(dāng)前的迭代過(guò)程中，將訓(xùn)練集中的工序前的圖像輸入至訓(xùn)練中的生成網(wǎng)絡(luò)，輸出預(yù)測(cè)的工序后的圖像；

將預(yù)測(cè)的工序后圖像和實(shí)際的工序后圖像分別與工序前圖像進(jìn)行配對(duì)，將配對(duì)后的圖像輸入至訓(xùn)練中的判別網(wǎng)絡(luò)，獲得所述判別網(wǎng)絡(luò)的判決結(jié)果；

若判決結(jié)果與0.5的差值的絕對(duì)值在預(yù)設(shè)的極小量ε以內(nèi)，則停止迭代過(guò)程；若判決結(jié)果與0.5的差值的絕對(duì)值在預(yù)設(shè)的極小量ε以外，則根據(jù)所述判別網(wǎng)絡(luò)的判決結(jié)果調(diào)節(jié)所述生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)的參數(shù)，之后進(jìn)入下一次迭代過(guò)程。

優(yōu)選地，所述對(duì)生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)進(jìn)行單獨(dú)交替迭代訓(xùn)練的步驟，具體通過(guò)以下?lián)p失函數(shù)進(jìn)行訓(xùn)練：

其中，G和D分別表示生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)；X表示所有工序前圖像的集合；Y表示所有真實(shí)的工序后圖像的集合；D(y)表示輸入實(shí)際的工序后的圖像y時(shí)判別網(wǎng)絡(luò)的判別結(jié)果；G(x)表示向生成網(wǎng)絡(luò)輸入工序前的圖像x時(shí)輸出的預(yù)測(cè)圖像；D(G(x))表示向判別網(wǎng)絡(luò)輸入G(x)時(shí)輸出的判別結(jié)果；表示實(shí)際的工序后的圖像y取到集合Y中所有值時(shí)f的均值；表示工序前的圖像x取到集合X中所有值時(shí)k的均值。

優(yōu)選地，所述生成網(wǎng)絡(luò)包括：

編碼模塊，包括若干個(gè)卷積層，所述若干個(gè)卷積層用于提取工序前的圖像的特征向量；