科创中国

电子信息技术,新一代信息技术产业,人工智能

本发明公开了一种基于无监督预训练的玻璃表面缺陷检测方法及系统，该检测系统内设有两相机、光源以及与相机连接的控制器，相机B设置在玻璃正上方，相机A和光源位于相机B两侧；控制器基于拍摄的 图像并采用无监督玻璃表面缺陷检测模型进行检测，检测过程为：构建基于动量对比学习的无监督预训练模型并进行预训练得到基于通道注意力机制和空间注意力机制构建的特征提取网络的网络权重参数；将网络权重参数赋值给无监督玻璃表面缺陷检测模型，再利用训练图像得到训练图像上各个图块的多维高斯分布以及利用测试图像得到测试图像上各个图块的嵌入特征向量，再计算同一图块的嵌入特征向量与多维高斯分布的相似距离，以相似距离为标准判定是否有缺陷。

1、本发明提供的技术方案采用基于动量对比学习的无监督预训练模型对基于通道注意力机制和空间注意力机制的特征提取网络进行预训练，优化了基于通道注意力机制和空间注意力机制的特征提取网络的权重参数，使特征提取网络提取到的特征更具有代表性，进而得到更准确的无缺陷的玻璃表面图像的多维高斯分布。其中，多维高斯分布越准确，最终检测出缺陷的精度越高。因此，本发明的技术方案可以有效提升玻璃表面缺陷检测得识别和定位准确率；其次，本发明的技术方案是一种基于无监督学习的缺陷检测方法，，所构建的训练集是由无缺陷的玻璃表面图像构成，因此，本发明的技术方案可以有效克服现有技术中有监督学习的缺陷检测方法对有缺陷样本的依赖问题。 2、本发明针对无监督预训练模型以及无监督玻璃表面缺陷检测模型，提出了基于通道注意力机制和空间注意力机制的特征提取网络。其将通道注意力机制和空间注意力机制引入特征提取网络中，使得网络更加关注检测任务感兴趣的区域，最终提升了模型的缺陷检测精度。

张辉：湖南大学机器人学院教授，博士生导师，湖南大学机器人视觉感知与控制技术国家工程研究中心副主任。2022年湖南省科技创新领军人才，湖南省杰出青年基金获得者，首届湖南省“湖湘青年英才”。负责对项目的总体方案规划选型，核心指标设定，项目进度以及实施方案，以及学生管理工作。 王可：硕士研究生，主要研究方向为高光谱图像异常检测、工业缺陷检测、多机器人避障。负责对项目的无监督方案的设计、调试。