CN112435258B 一种图像检测模型的构建方法、图像检测方法及装置 （深圳市华汉伟业科技有限公司）

道西丽社区同发南路万科云城六期二XianTaoetal..AutomaticMeSurfaceDefectDetectionandwithConvolutionalNeur2.经网络的结构可使得每一个网络节点的参数保持完全一致，参数量相比现有方法得以大大降2建立级联反馈网络的结构；所述级联反馈网络包括多个浅层根据所述级联反馈网络的结构配置得到对应的损失函数；其中第三图像重建质量的表示公式通过所述第一图像重建质量的表示公式和第二图像重建质对多个所述浅层自编码器依次排序，将每个所述浅层自编码器的输出将各网络节点设为一个节点编组，通过所述节点编组内各网络节点计算所述节点编组内首尾两个网络节点分别对应的图像计算所述节点编组内若干个网络节点的方差统计量，从而得3根据所述第一图像重建质量和所述第二图像重建质量计将所述第一图像重建质量的表示公式Lossb，或者所述第三图像重建质量的表示公式像对所述级联反馈网络进行训练，通过所述损失函数更新所述级联反馈网络的网络参数，获取待检测物体的多幅正常样本图像；所述正常样本图像中在所述级联反馈网络对应的损失函数的前后计算差值小于预在结束训练时利用已更新网络参数的所述级联反馈网络得到所述待检测物体的图像将所述待检测图像输入由权利要求1-4中任一项所述的构建方法而构建得到的图像检获取所述待检测图像输入所述图像检测模型后所述级联反馈网络中各网络节点输出4为所述待检测图像输入所述级联反馈网络时第k个网络节点输出的重建图像上第i个通道的值，为所述待检测图像输入所述级联反馈网络时m个重建图像上第i个通道的平均值。显示器，与所述处理器连接，用于对所述待检测物体的待检测图像所述模型构建模块用于利用一幅或多幅正常样本图像对预先建立的级联反馈模型进的结构而配置得到；所述异常检测模块与所述模型构建模块连接，用于将所述待检测5领域中，应用较广的方法有人工选取特征方法和有监督的深度学习方法(以下简称监督学[0004]对人工选取特征方法难以奏效的情况，近几年流行使用监督学习方法进行解6[0012]其中，m为若干个网络节点的数目，c为第k个网络节点输出的重建图像的通道数[0014]根据所述第一图像重建质量和所述第二图像重建质量计算得到第三图像重建质[0016]将所述第一图像重建质量的表示公式Lossb，或者所述第三图像重建质量的表示7[0020]所述利用所述重建图像和所述待检测图像构建表面获取所述待检测图像输入所述图像检测模型后所述级联反馈网络中各网络节点输出的重目，为所述待检测图像输入所述级联反馈网络时第k个网络节点输出的重建图像上第ii′为所述待检测图像输入所述级联反馈网络时m个重建图像上第i个通道的对所述待检测物体的待检测图像和表面异常区域8根据说明书中的描述以及本领域的一般技术知识即可完9(AE)由一个编码器(encoder)和一个解码器(decoder)组成，图像信息通过编码器生成高神经网络在正常区域有较小的重建误差(输入的原图I经过对应的神经网络输出了重建图重建图像(即生成图像只能在大体上接近输入图像，生成的重建图像的像素的位置精度和和重建图像的差异(即生成重建误差)来判断正常区域和异[0046]使用自编码器对图像进行重建时，如果采用深层卷积神经网络结构(即采用多个环卷积神经网络(RNN)和自编码器(AutoEncoder)相结合的形式，通过浅层自编码器对原一次迭代的重建结果作为本次迭代的输入，经过多次迭代逐步放大异常区域的重建误差，同时正常区域的重建图像基本保持不变。因为浅层自编码器包含的连续下采样层数较少，[0050]请参考图1，本实施例中公开一种图像检测模型的构建方法，其包括步骤S110-[0055]由于级联反馈网络存在多个网络节点，且各网络节点通过级联反馈形式进行连图像的重建误差可能和正常图像的重建误差在数节点输入为i,输出为第一图像重建质量Lossb主要是基于级联反馈网络的重建结果[0082]其中，m为若干个网络节点的数目，c为第k个网络节点输出的重建图像的通道数计算任意若干组间的差异等)即可分析得到异常区域。第二图像重建质量Lossvar主要是基于级联反馈网络的多个网络节点的统计信息而进行[0087]可以理解，第三图像重建质量Lossd是由第一图像重建质量Loss[0090]在本实施例中，参见图4，上述的步骤S140主要涉及训练得到图像检测模型的过监督学习的方式只需要用多幅正常图像参与训练即可，不需要异常样本图像和事先标注，[0112]对于表示的任意一个评价函数，如和待检测图像的差值比较结果，结果表明榛子表面存在一个与爆裂等形状的表面异常区测物体的待检测图像用来输入图像检测模型以识别出图像中存在的表面异常区域。此外，[0126]模型构建模块321用于利用一幅或多幅正常样本图像对预先建立的级联反馈模型构而配置得到。关于模型构建模块321的具体功能可以参考实施例一中的步骤S110-S130，[0129]在实施例一中公开的构建方法，以及实施例二中公开的