基于先验知识的换向器表面缺陷异常检测方法

介绍了一种基于无缺陷样本学习的换向器表面缺陷异常检测方法,该方法首先采用高斯混合模型对图像Patch建模,从而在测试时得到高概率存在缺陷的区域,将此作为先验知识输入神经网络;其次,使用自聚类和自监督方法引导神经网络训练;最后,以测试样本和训练样本特征编码的最近邻欧氏距离做异常评分,并融合多尺度的异常信息,从而在仅使用真实无缺陷样本的前提下,获得比较好的对缺陷定位的效果。该方法在实际的电机换向器端面数据集上取得了很好的实验效果。