CN119516249A 基于变分自编码器与去噪网络的多类别缺陷检测方法及装置 （华南农业大学）

基于变分自编码器与去噪网络的多类别缺本发明公开了一种基于变分自编码器与去噪网络的多类别缺陷检测方法及装置，方法包通过重建图像来捕捉正常图像的特征。第二阶本发明在增强变分自编码器重建能力的同时保2设计多尺度特征提取比对网络提取输入图像和重建图像的多尺度特将验证集输入由图像重建模型和多尺度特征提取比对网络组成的缺陷检测模型进行2.根据权利要求1所述基于变分自编码器与去噪网络的多类别缺陷检测方法，其特征使用工业相机来完成工业产品表面图像数据采集工作，将面阵相机固定在俯拍机位，在预处理后的图像中，选取无异常的图像作为训练集，选3.根据权利要求1所述基于变分自编码器与去噪网络的多类别缺陷检测方法，其特征将zt输入去噪网络，通过一步逆扩散过程输出重建的潜在表示并利用预训练的变分4.根据权利要求1所述基于变分自编码器与去噪网络的多类别缺陷检测方法，其特征第一阶段的训练中，训练变分编码器和变分解码器以将正述感知图像相似性损失用于增强重建图像的局第二阶段的训练中，训练去噪网络以对潜在空间变量进行35.根据权利要求1所述基于变分自编码器与去噪网络的多类别缺陷检测方法，其特征在于，所述特征引导网络从变分编码器块的中间层中提取特征fhe,并通过交叉注意力机6.根据权利要求1所述基于变分自编码器与去噪网络的多类别缺陷检测方法，其特征图M",异常分数通过对所有特征层的评分进行加权求和计算得到。7.根据权利要求6所述基于变分自编码器与去噪网络的多类别缺陷检测方法，其特征n为用于保持像素空间维度一致的上采样因子，N为推理过程中使用的特征层集8.基于变分自编码器与去噪网络的多类别缺求1_7中任一项所述的基于变分自编码器与去噪网络的多类别缺陷检测方法，包括图像采所述图像采集模块，用于获取工业产品表面缺陷图像并进行预处理，构所述图像重建模块，用于构建图像重建模型，所述图像重建模型包括依所述多尺度特征对比模块，用于设计多尺度特征提取比对网络提取输所述模型部署模块，用于将验证集输入由图像重建模型多尺度特征提取4所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1_7中任意一项所述的基于变分自编码器与去噪网络的现权利要求1_7任一项所述的基于变分自编码器与去噪网络的多类5[0003]近年来，变分自编码器(VAE)和去噪扩散模型因其强大的图像重建能力在异常检强图像重建模型的重建能力；所述变分解码器用于根据潜空间的特征进行图像的初步重6[0011]设计多尺度特征提取比对网络提取输入图像和重建图像[0012]将验证集输入由图像重建模型和多尺度特征提取比对网络组成的缺陷检测模型[0019]将zt输入去噪网络，通过一步逆扩散过程输出重建的潜KL散度和最大均值差异来对潜空间特征进行约束；所述均方误差损失用于重建像素级误[0023]作为优选的技术方案，所述特征引导网络从变分编码器块的中间层中提取特征图像细节。图像x与重建图像通过预训练的特征提取器提取特征，并通过计算不同尺度特征图的余弦相似度来生成异常评分图M",异常分数s通过对所有特征层的评分进行加权求和计78方法中需要针对不同类别训练独立模型的做法，本发明极大地降低了训练和部署的复杂[0045]4、本发明通过多尺度特征对比模块，对输入图像和重建图像的多层特征进行对[0047]图1为本发明实施例基于变分自编码器与去噪网络的多类别缺陷检测方法的流程[0050]图4为本发明实施例基于变分自编码器与去噪网络的多类别缺陷检测方法的方框9[0055]请参阅图1，在本申请的一个实施例中提供了一种基于变分自编码器与去噪网络[0079]所述第二阶段训练去噪U_Net以对潜在空间变量进行二次重建，重建大规模异常与重建图像通过预训练的特征提取器提取特征，通过计算不同尺度特征图的余弦相似[0093]进一步的，所述缺陷检测模型包括前述图像重建模型和多尺度特征提取比对网[0095]基于与上述实施例中的基于变分自编码器与去噪网络的多类别缺陷检测方法相[0100]所述多尺度特征对比模块104，用于设计多尺度特征提取比对网络提取输入图像[0101]所述模型部署模块105，用于将验证集输入由图像重建模型多尺度特征提取比对缺陷检测模型实现实际工业场景中的多类别自编码器与去噪网络的多类别缺陷检测方法的实施例阐述的技术特征及其有益效果均适所述基于变分自编码器与去噪网络的多类别缺陷检测系统的内部结构划分成不同的程序子设备200的移动硬盘。所述第一存储器202在另一些实施例中也可以是电子设备200的外器202还可以既包括电子设备200的内部存储单元也包括外部存储设备。所述第一存储器与去噪网络的多类别缺陷检测程序203的代码等，还可以用于暂时地存储已经输出或者将[0106]所述第一处理器201在一些实施例中可以由集成电路组成，例如可以由单个封装处理器及各种控制芯片的组合等。所述第一处理器201是所述电子设备的控制核心储在所述第一存储器202内的程序或者模块，以及调用存储在所述第一存储器202内的数[0108]所述电子设备200中的所述第一存储器202存储的基于变分自编码器与去噪网络强图像重建模型的重建能力；所述变分解码器用于根据潜空间的特征进行图像的初步重[0112]设计多尺度特征提取比对网络提取输入图像和重建图像[0113]将验证集输入由图像重建模型多尺度特征提取比对网络组成的缺陷检测模型进(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型