基于改进深度度量学习算法的表面缺陷检测

• 作者: 王伟 余厚云
• 来源期刊: 计算机与现代化
• 关键词: 表面质量 视觉检测 神经网络 深度度量学习 小样本学习 条件三元组损失 高斯分布
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 人工智能|ARTIFICIAL INTELLIGENCE
• 页码范围: 61-68
• 页数: 8页
• 分类号: TP274+.3
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.06.011

摘要

为了解决小批量、多品种工业产品的表面质量检测问题,提出一种基于改进深度度量学习的缺陷检测算法.该算法对VGG16网络模型做改进,更有利于原始图像的隐空间映射.针对产品表面缺陷检测的任务,提出条件三元组损失函数以加强神经网络的拟合能力.同时,在隐空间中进行缺陷判定时,抛弃原始度量学习中基于KNN算法的归类方法,提出基于高斯分布概率的归类模型.在检测新类型产品时,在已训练好的网络模型的基础上,使用新产品的图像数据作为输入对网络进行微调.利用该算法在纽扣缺陷数据集上经K-Fold交叉验证,在只需50个无缺陷样本和50个有缺陷样本的小样本情况下,该算法在不同的查询集上的检测准确率均在90％以上,最高可达99.89％,与传统深度度量学习算法相比,检测准确率提升10％以上.实验结果表明,改进深度度量学习算法可以很好地解决小批量、多品种工业产品的表面缺陷检测问题.