[發(fā)明專(zhuān)利]基于知識(shí)蒸餾的無(wú)監(jiān)督圖像缺陷檢測(cè)方法、裝置及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210718773.8
• 申請(qǐng)日: 2022-06-23
• 公開(kāi)（公告）號(hào): CN115187525A
• 公開(kāi)（公告）日: 2022-10-14
• 發(fā)明（設(shè)計(jì)）人: 伍強(qiáng);展華益;劉明華
• 申請(qǐng)（專(zhuān)利權(quán)）人: 四川啟睿克科技有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06N3/08;G06V10/74;G06V10/774;G06V10/82
• 代理公司: 四川省成都市天策商標(biāo)專(zhuān)利事務(wù)所(有限合伙) 51213
• 代理人: 劉堋

本發(fā)明公開(kāi)了一種基于知識(shí)蒸餾的無(wú)監(jiān)督圖像缺陷檢測(cè)方法、裝置及介質(zhì)，方法包括：構(gòu)建教師模型，利用與待檢測(cè)缺陷領(lǐng)域無(wú)關(guān)的數(shù)據(jù)集進(jìn)行訓(xùn)練，然后對(duì)學(xué)生模型提供有益于缺陷檢測(cè)的知識(shí)指導(dǎo)；構(gòu)建學(xué)生模型，用于提取圖像的多尺度特征圖；利用學(xué)生模型構(gòu)建無(wú)缺陷圖像的多尺度特征集合，得到學(xué)生特征圖集合；利用學(xué)生特征圖集合建立像素級(jí)缺陷檢測(cè)模型集合；接收用戶(hù)終端發(fā)送的圖像、像素級(jí)缺陷閾值和圖像級(jí)缺陷閾值；計(jì)算多尺度特征圖與像素級(jí)缺陷檢測(cè)模型集合的距離，得到距離矩陣，通過(guò)距離矩陣與像素級(jí)缺陷閾值和圖像級(jí)缺陷閾值之間的關(guān)系，判斷用戶(hù)終端發(fā)送的圖像是否存在缺陷。本發(fā)明只需要無(wú)缺陷的樣本即可解決缺陷樣本少和無(wú)缺陷樣本的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理、機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種基于知識(shí)蒸餾的無(wú)監(jiān)督圖像缺陷檢測(cè)方法、裝置及介質(zhì)。

背景技術(shù)

工業(yè)互聯(lián)網(wǎng)是新一代信息通信技術(shù)與工業(yè)經(jīng)濟(jì)深度融合的全新工業(yè)生態(tài)、關(guān)鍵基礎(chǔ)設(shè)施和新型應(yīng)用模式。它以網(wǎng)絡(luò)為基礎(chǔ)、平臺(tái)為中樞、數(shù)據(jù)為要素、安全為保障，通過(guò)對(duì)人、機(jī)、物全面連接，變革傳統(tǒng)制造模式、生產(chǎn)組織方式和產(chǎn)業(yè)形態(tài)，構(gòu)建起全要素、全產(chǎn)業(yè)鏈、全價(jià)值鏈、全面連接的新型工業(yè)生產(chǎn)制造和服務(wù)體系，對(duì)支撐制造強(qiáng)國(guó)和網(wǎng)絡(luò)強(qiáng)國(guó)建設(shè)，提升產(chǎn)業(yè)鏈現(xiàn)代化水平，推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展和構(gòu)建新發(fā)展格局，都具有十分重要的意義。

在工業(yè)互聯(lián)網(wǎng)中，產(chǎn)品的預(yù)防性檢測(cè)是至關(guān)重要的一個(gè)環(huán)節(jié)，預(yù)防性檢測(cè)能夠及時(shí)發(fā)現(xiàn)產(chǎn)品產(chǎn)生的缺陷以及缺陷的變化趨勢(shì)，并結(jié)合現(xiàn)場(chǎng)的實(shí)時(shí)工藝參數(shù)來(lái)優(yōu)化生產(chǎn)工藝，從而降低次品率、降低生產(chǎn)成本和提高公司的利潤(rùn)。產(chǎn)品的預(yù)防性檢測(cè)主要分為三個(gè)階段：實(shí)時(shí)工藝參數(shù)采集、產(chǎn)品缺陷檢測(cè)以及工藝的閉環(huán)優(yōu)化。

其中，產(chǎn)品缺陷檢測(cè)階段，行業(yè)內(nèi)的通常做法是采用專(zhuān)業(yè)人員目檢或通過(guò)基于監(jiān)督學(xué)習(xí)的缺陷檢測(cè)模型檢測(cè)的方式。

采用人工目檢的方式存在的一下問(wèn)題：(1)需要培訓(xùn)專(zhuān)業(yè)的目檢人員；(2)同時(shí)人工目檢有一定主觀性，目檢人員的判斷能力會(huì)受到自身的情緒和身體狀況等因素的影響；(3)人工目檢是事后處理，對(duì)實(shí)時(shí)整個(gè)工藝流程優(yōu)化沒(méi)有正向影響。

目前基于監(jiān)督學(xué)習(xí)的缺陷檢測(cè)模型檢測(cè)存在以下問(wèn)題：(1)學(xué)習(xí)過(guò)程繁瑣；(2)無(wú)法在缺陷樣本少和無(wú)缺陷樣本的情況下學(xué)習(xí)。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于知識(shí)蒸餾的無(wú)監(jiān)督圖像缺陷檢測(cè)方法、裝置及介質(zhì)，以解決上述技術(shù)問(wèn)題。

本發(fā)明采用的技術(shù)方案是：提供一種基于知識(shí)蒸餾的無(wú)監(jiān)督圖像缺陷檢測(cè)方法，包括：

構(gòu)建教師模型，所述教師模型是利用與待檢測(cè)缺陷領(lǐng)域無(wú)關(guān)的數(shù)據(jù)集進(jìn)行訓(xùn)練得到，然后對(duì)學(xué)生模型提供有益于缺陷檢測(cè)的知識(shí)指導(dǎo)；

構(gòu)建學(xué)生模型，所述學(xué)生模型用于提取圖像的多尺度特征圖；

利用學(xué)生模型構(gòu)建無(wú)缺陷圖像的多尺度特征集合，得到學(xué)生特征圖集合；

利用所述學(xué)生特征圖集合建立像素級(jí)缺陷檢測(cè)模型集合；

接收用戶(hù)終端發(fā)送的圖像、像素級(jí)缺陷閾值和圖像級(jí)缺陷閾值；

利用所述學(xué)生模型建立所述圖像的多尺度特征圖，計(jì)算所述多尺度特征圖與所述像素級(jí)缺陷檢測(cè)模型集合的距離，得到距離矩陣，通過(guò)距離矩陣與像素級(jí)缺陷閾值和圖像級(jí)缺陷閾值之間的關(guān)系，判斷用戶(hù)終端發(fā)送的圖像是否存在缺陷。

進(jìn)一步的，所述構(gòu)建教師模型的方法包括：

構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)模型作為初始教師模型和一個(gè)與待檢測(cè)缺陷領(lǐng)域無(wú)關(guān)的數(shù)據(jù)集；之所以構(gòu)建待檢測(cè)領(lǐng)域無(wú)關(guān)的數(shù)據(jù)集是因?yàn)椋话闶占绢I(lǐng)域的缺陷樣本需要大量的人力物力，而本實(shí)施例使用其他領(lǐng)域已有的大量帶標(biāo)簽的樣本作為訓(xùn)練樣本，從而大大節(jié)省了人力物力。

設(shè)定損失函數(shù)為交叉熵；

在所述待檢測(cè)缺陷領(lǐng)域無(wú)關(guān)的數(shù)據(jù)集上采用反向傳播的方法訓(xùn)練所述初始教師模型，得到所述教師模型。