CN115690058B 一种基于特征记忆库的轻量化工业环境缺陷检测方法 （福州大学）

一种基于特征记忆库的轻量化工业环境缺本发明提出一种基于特征记忆库的轻量化格产品的俯视图/左视图或右视图，整理成数据产品数据集输入到经过特征知识蒸馏训练的轻后将需要检测的流水线生产图像输入到轻量学缺陷；本发明能够在尽量不损失准确率的前提2步骤S1：通过安装在流水线上的工业摄像头配合固定步骤S2：将数据集输入经过预训练的标准教师模型和初步骤S3：将无缺陷产品数据集输入到经过特征知识步骤S4：将需要检测的流水线生产图像输入到轻量学生模型并进行多尺度特征融合，步骤S21：将预处理后的数据集输入已经使用其他公开数据库进行预训练的标准教师Featureteacher的第一、二、三阶段图像通道数相同，称扩展后的学生特征图集合为将Featureteacher与Featurestudent输入层关联分数计算函数得到层关联分数，将两个分数相其中Featureexpand_student表示扩展后的学生特征图集合,Featurexpang.sruaen:表示2.根据权利要求1所述的一种基于特征记忆库的轻量化工业环境缺陷检测方法，其特步骤S12：拍摄经人工预先筛选的正常产品在生产环境流水线上的俯视图或左视图或33.根据权利要求1所述的一种基于特征记忆库的轻量化工业环境缺陷检测方法，其特征在于：层关联损失的计算方法具体为：对于其中AdaptiveMaxPooling(H*W)表示自适应最大池化操作，将特征图自适应地采样至高度H及宽度W,Featureacrer表示第i阶段输出的特征图，Featureooxwetw表示第i阶段池化后的特征图，Flatten表示铺平特征图操作，将特征图的长宽两维转化至同一维度，Featureiuronsoacher表示第i阶段池化并铺平后的特征图，Transpose表示转置操4.根据权利要求1所述的一种基于特征记忆库的轻量化工业环境缺陷检测方法，其特步骤S31：将无缺陷产品数据集输入经过知识蒸馏训练的轻量学生模型并提取其输出5.根据权利要求4所述的一种基于特征记忆库的轻量化工业环境缺陷检测方法，其特4将第一阶段特征图进行下采样，并将第三阶段特征图进行上采样Featureconcat＝Concat(Featurepoolingpooling其中Featureusens:表示Featurestudent中第i阶段的特征图，DownSample(H*W)表示对Featurealign表示对齐长宽后的特征图集合，AveragePooling(3*3)表示以3*3为核心长宽的pooling6.根据权利要求4所述的一种基于特征记忆库的轻量化工业环境缺陷检测方法，其特步骤S43：Scoredistance中取最大值，即为步骤S11中输入的图像的异常分数；将7.根据权利要求6所述的一种基于特征记忆库的轻量化工业环境缺陷检测方法，其特56[0002]异常检测即AnomalyDetection(AD)。异常检测主要任务是假设给定一个图像集度及缩小模型资源占用也是异常检测必须要重视的[0009]步骤S2：将数据集输入经过预训练的标准教师模型和初7[0017]步骤S21：将预处理后的数据集输入已经使用其他公开数据库进行预训练的标准之与Featureteacher的第一、二、三阶段图像通道数相同，称扩展后的学生特征图集合为分别将Featureteacher与Featurestudent输入层关联分数计算函数得到层关联分数，将两个分[0021]所述多层特征关联分数计算具体方法为：将Featurestuddent经过映射层扩展成Featureexpand_student，并将Featureexpand_stydent中第一、二、三阶段特征图分别与表示为第i阶段输出并进行扩展后的特征图，Featureteacher表示教师特征图集合，Featuresaerer表示为第i阶段输出的特征图，Lossmse表示计算得到的MSE损失值，n表示8[0029]其中AdaptiveMaxPooling(H*W)表示自适应最大池化操作，将至高度H及宽度W，Featureaerer表示第i阶段输出的特征图，FeatLre;oorxeacher表示维度，Featureiarmsoactwr表示第i阶段池化并铺平后的特征图，Transpose表示转置[0031]步骤S31：将无缺陷产品数据集输入经过知识蒸馏训练的轻量学生模型并提取其pooling[0040]其中Featuresea表示Featurestudent中第i阶段的特征图，DownSample(H*W)表pooling图集合进行通道维连接操作，将多张特征图融合成新的特征图，即Featureconcat，[0042]步骤S41：将需要检测的产品图像数据集同样经过步骤S31与步骤S32，得到9[0057]如图1所示，一种基于特征记忆库的轻量化工业环境缺陷检测方法，包括以下步[0059]步骤S2：将数据集输入经过预训练的标准教师模型和初[0067]步骤S21：将预处理后的数据集输入已经使用其他公开数据库进行预训练的标准之与Featureteacher的第一、二、三阶段图像通道数相同，称扩展后的学生特征图集合为分别将Featureteacher与Featurestudent输入层关联分数计算函数得到层关联分数，将两个分[0071]所述多层特征关联分数计算具体方法为：将Featurestudent经过映射层扩展成[0073]其中Featureexpand_studen表示为第i阶段输出并进行扩展后的特征图，Featureteacher表示教师特征图集合，Feature。aerer表示为第i阶段输出的特征图，Lossmse表示计算得到的MSE损失[0079]其中AdaptiveMaxPooling(H*W)表示自适应最大池化操作，将[0081]步骤S31：将无缺陷产品数据集输入经过知识蒸馏训练的轻量学生模型并提取其[0090]其中Feature:aens表示Featurestudent中第i阶段的特征图，DownSample(H*W)表pooli