原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供了一种基于动态特征中心的工业零件异常检测方法及系统，方法包括以下步骤：S1.获取并整理划分工业零件数据集，制作包含大量正常样本和少量异常样本的数据集；S2.对数据集进行预处理；S3.将数据集输入到特征提取网络，进行特征提取；S4.根据初始化得到的特征中心，利用卡尔曼滤波动态移动特征中心；S5.重复上述步骤S1‑S4，最小化损失，更新迭代训练，直到模型达到收敛，迭代结束，保存模型；S6.将待检测的工业零件图片输入到训练好的模型并执行S1‑S3的处理步骤；S7.计算测试图像的特征向量与特征
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116862893 A
(43)申请公布日 2023.10.10
(21)申请号 202310919640.1
(22)申请日 2023.07.25
(71)申请人 杭州电子科技大学
地址 3100
文档评论（0）