CN114494780B 基于特征对比的半监督工业缺陷检测方法及系统 （上海交通大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114494780B(45)授权公告日2025.07.11

(21)申请号202210094096.7

(22)申请日2022.01.26

(65)同一申请的已公布的文献号申请公布号CN114494780A

(43)申请公布日2022.05.13

(73)专利权人上海交通大学

地址200240上海市闵行区东川路800号

专利权人上海汽车粉末冶金有限公司

(72)发明人乐心怡陈彩莲关新平

(74)专利代理机构上海汉声知识产权代理有限公司31236

专利代理师胡晶

GO6V10/48(2022.01)

GO6N3/045(2023.01)

GO6N3/0895(2023.01)

(56)对比文件

wang,yc等.Semi-SupervisedSemanticSegmentationUsingUnreliablePseudo-

Labels.《2022IEEE/CVFCONFERENCEON

COMPUTERVISIONANDPATTERNRECOGNITION(CVPR2022)》.2022,4238-4247.

审查员曾繁歌

(51)Int.CI.

GO6V10/764(2022.01)

GO6V10/82(2022.01)权利要求书3页说明书11页附图2页

(54)发明名称

基于特征对比的半监督工业缺陷检测方法及系统

(57)摘要

CN114494780B本发明提供了一种基于特征对比的半监督工业缺陷检测方法及系统，包括：步骤S1:采集待测产品图片，随机对图片标注标签；步骤S2:对待测产品进行分类，分为有标签输入和无标签输入；步骤S3:对于有标签输入，用图片和对应的标签对于学生网络进行训练；对于无标签输入，输入到教师网络中产生相应的伪标签和表征；步骤S4:对于伪标签进行筛选，分出可靠像素和不可靠像素；步骤S5:对于可靠像素送入学生网络中进行监督；对于不可靠像素，根据其特征编码信息，对学生网络进行基于对比学习的特征优化。本发明在工业缺陷检测数据的标注缺乏的情况

CN114494780B

训练过程

训练过程通过高精度成像装置采集工件图片

随机选择部分图片进行标注

获取预测Mak

预测慷索是否可

计算交叉情进行优化

固定权重的缺陷检测分割网络模型

输入教师模型获取预测Mask用于优化

数值进行优化

CN114494780B权利要求书1/3页

2

1.一种基于特征对比的半监督工业缺陷检测方法，其特征在于，包括：

步骤S1:采集待测产品图片，随机对图片标注标签；

步骤S2:对待测产品进行分类，分为有标签输入和无标签输入；

步骤S3:对于有标签输入，用图片和对应的标签对于学生网络进行训练；

对于无标签输入，输入到教师网络中产生相应的伪标签和表征；

步骤S4:对于伪标签进行筛选，分出可靠像素和不可靠像素；

步骤S5:对于可靠像素送入学生网络中进行监督；对于不可靠像素，根据其特征编码信息，对学生网络进行基于对比学习的特征优化；

在所述步骤S5中：

对于低可信度的标签根据特征编码信息对学生网络进行基于对比学习的特征优化的步骤为：

步骤S5.1:将不可像素的预测概率分布进行根据概率值的排序；

步骤S5.2:对于每个类别的可靠像素，当不可靠像素概率排序前三类别中不出现这个类别，则进行特征对比的损失计算优化。

2.根据权利要求1所述的基于特征对比的半监督工业缺陷检测方法，其特征在于，在所述步骤S3中：

对于有标签输入用图片和对应的标签对于学生网络进行训练的步骤如下：

步骤S3.1:对输入图片进行数据扩增；

步骤S3.2:用进行数据扩增后的输入图片训练一个教师网络，之后该教师网络不进行梯度更新；

步骤S3.3:用步骤S3.2的相同输入图片训练一个学生网络；

步骤S3.4:基于交叉熵进行教师网络和学生网络的训练。

3.根据权利