[发明专利]异常检测方法、装置及计算机存储介质

权利要求书

1.一种异常检测方法，其特征在于，所述方法应用于异常检测装置，所述方法包括：

获得预先训练完成的异常检测神经网络模型，所述异常检测神经网络模型由生成对抗网络算法对标准品图像训练得到，所述异常检测神经网络模型包括编码器、转换器及解码器；

接收待测品图像，将所述待测品图像输入至所述编码器，获得所述编码器输出的待测品图像编码；

分别向所述转换器及所述解码器输入所述待测品图像编码，得到所述转换器输出的转换图像以及所述解码器输出的重建图像；

计算所述重建图像与所述转换图像之间的像素误差，若所述重建图像与所述转换图像之间存在像素误差大于预设阈值的异常区域，则确定所述待测品图像对应的待测品为异常品。

2.根据权利要求1所述的方法，其特征在于，所述异常检测神经网络模型的训练步骤包括：

获取所述标准品图像，对所述标准品图像添加噪声数据，获得数据增强图像；

构建初始生成对抗网络，所述初始生成对抗网络包括初始编码器、初始解码器及初始转换器、初始判别器；

将所述初始编码器与所述初始转换器连接组成第一生成器，将所述初始编码器与所述初始解码器连接组成第二生成器；

将所述数据增强图像输入至所述初始编码器，获得所述初始编码器输出的数据增强图像编码；

分别向所述初始解码器及所述初始转换器输入所述数据增强图像编码，获得所述初始转换器输出的初始转换图像以及所述初始解码器输出的初始重建图像；

构建所述第一生成器及所述第二生成器与所述初始判别器之间的对抗损失函数，构建所述标准品图像与所述初始转换图像之间的第一重建损失函数，以及，构建所述数据增强图像与所述初始重建图像之间的第二重建损失函数；

优化总损失函数直至网络误差收敛到预设精度，获得所述异常检测神经网络模型，所述总损失函数包括所述对抗损失函数、所述第一重建损失函数及所述第二重建损失函数。

3.根据权利要求2所述的方法，其特征在于，所述异常检测神经网络模型的训练步骤还包括：

将所述初始转换图像输入至所述初始编码器，获得所述初始编码器输出的重建编码，并构建所述数据增强图像编码与所述重建编码之间的第三重建损失函数；

确定所述对抗损失函数、所述第一重建损失函数及所述第二重建损失函数、所述第三重建损失函数的加权和为所述总损失函数。

4.根据权利要求3所述的方法，其特征在于，所述异常检测装置包括部署于云端的模型训练设备以及部署于产品端的异常检测设备，所述异常检测神经网络模型的训练步骤由所述模型训练设备执行，所述模型训练设备训练获得的所述异常检测神经网络模型部署在所述异常检测设备上；基于所述异常检测神经网络模型对所述待测品图像的异常检测由所述异常检测设备执行。

5.根据权利要求1所述的方法，其特征在于，所述计算所述重建图像与所述转换图像之间的像素误差之后，所述方法还包括：

若所述重建图像与所述转换图像之间存在像素误差大于预设阈值的异常区域，则确定所述异常区域在所述待测品图像中的目标位置。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述异常检测装置包括异常品分拣设备；

所述确定所述待测品图像对应的待测品为异常品之后，所述方法还包括：

控制所述异常品分拣设备将所述异常品从多个待测品中剔除。