基于改进GANomaly网络的旋开盖缺陷检测方法

基于现有瓶盖缺陷检测方法,提出了一种结合低照度增强、语义分割和异常检测的旋开盖缺陷检测方法.受拍摄光照和目标特征多样性的影响,传统语义分割方法对低照度图像分割不准确.为解决此问题,通过基于最大熵的Retinex模型增强低照度图像,选取OCR-Net语义分割网络分割去除背景.在检测缺陷时,半监督异常检测GANomaly网络解决了正常瓶盖样本和缺陷瓶盖样本不平衡的问题.但图像重建效果差,为此基于十字交叉注意力和最小二乘损失函数改善GANomaly网络对图像的重建能力.实验结果表明:低照度图像增强和语义分割解决了瓶盖图像因亮度低而分割不准确的问题,改进的GANomaly网络在瓶盖缺陷检测中,改善了图像重建效果,AUC值达到了0.71,且在MvTec AD数据集上表现优越,具有较好的应用价值.