基于正例学习的纹理表面缺陷检测

作     者：邵桂芳 陈鸿荣 李志超 温五四 SHAO Guifang;CHEN Hongrong;LI Zhichao;WEN Wusi

作者机构：厦门大学萨本栋微米纳米科学技术研究院福建厦门361102 

基　　金：厦门市自然科学基金(3502Z20227189) 

出 版 物：《厦门大学学报（自然科学版）》 (Journal of Xiamen University：Natural Science)

年 卷 期：2024年第63卷第4期

页      码：619-629页

摘      要：[目的]针对深度学习开展纹理表面缺陷检测存在缺陷样本数量不足的问题进行研究.[方法]提出一种基于正例学习的纹理表面缺陷检测算法,基于自编码器设计重构模型产生无缺陷的重构图像,并基于差异搜索策略实现缺陷的识别与分割.基于纹理表面特征的灰度自适应转换实现色彩型纹理缺陷保持与识别速度的权衡,并采用不同通道重要性的策略以显著突出缺陷特征.通过修改标签值的方式放大判别器在缺陷区域产生的对抗损失,实现对细微缺陷的检测.[结果]在MVTec数据集的5个纹理数据子集上的消融实验表明,本文提出的基于纹理表面特征的灰度自适应和缺陷关注模块可以有效提升检测准确率,且与PaDiM、STPM和MemSeg方法相比,本文方法的平均分类准确率为95.174%,mIoU为44.01%,在分类样本与分割缺陷上具有明显优势.[结论]相较于当前流行方法,本文提出的基于正例学习的纹理缺陷检测方法具有无需大量缺陷样本、速度快的优点,在分类样本上具有更高的准确率,在分割缺陷上也更接近于真实标签.

主 题 词：纹理表面 缺陷检测 深度学习 正例学习 生成对抗网络 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.6043/j.issn.0438-0479.202304011

馆 藏 号：203128093...