-
题名基于泊松图像融合的自监督缺陷检测方法
- 1
-
-
作者
陈腾飞
戴元杰
廖杜杰
朱志鹏
吴健辉
-
机构
三维重建与智能应用技术湖南省工程研究中心
湖南理工学院机械科学与工程学院
湖南理工学院信息科学与工程学院
-
出处
《湖南理工学院学报(自然科学版)》
CAS
2024年第1期27-33,共7页
-
基金
湖南省研究生科研创新项目(CX20221237,CX20221219)。
-
文摘
提出一种基于泊松图像融合的自监督缺陷检测方法,采用泊松图像融合对无标注的正常样本进行数据增强,生成多样化的、更贴近实际的模拟缺陷样本,解决缺陷样本数量少且不易标注的问题.结合缺陷样本的特征提出一种CANet网络,引入卷积注意力模块对编码器—解码器结构进行优化,防止采样过程中的信息丢失,并在网络末端添加掩码卷积层以提高输入数据的重建精度.在MV Tec数据集上进行实验,总体检测AUROC达到96.1%;通过与三种典型检测方法的比较,证明所提方法的有效性且具备较好的泛化性,能满足工业生产中不同种类产品的表面缺陷检测要求.
-
关键词
泊松图像融合
自监督学习
注意力机制
掩码卷积层
-
Keywords
Poisson image fusion
self supervised learning
attention mechanism
masked convolutional layer
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-