[发明专利]基于不成对工业数据的工业质检方法、工业质检装置

权利要求书

1.一种基于不成对工业数据的工业质检方法，其特征在于，包括以下步骤：

获取源域图像，并将所述源域图像输入生成对抗网络中，以获取将源域图像映射到目标域的生成图像，并判断所述生成图像的真或假；

通过预训练的VGG网络提取所述源域图像和所述生成图像的特征；

对提取的特征做SVD分解，并根据奇异值的大小筛选出主要特征，以及对筛选出的所述主要特征进行重构；

判断所述源域图像的主要特征和所述生成图像的主要特征是否近似一致；

如果所述源域图像的主要特征和所述生成图像的主要特征不近似一致，则对所述生成对抗网络进行优化，直至所述源域图像的主要特征和所述生成图像的主要特征近似一致；

将待检测的不成对图像输入优化后的所述生成对抗网络中，以生成对应的生成图像，并根据所述对应的生成图像进行工业质检；

其中，采用损失函数对所述生成对抗网络进行优化，所述生成对抗网络包括生成器和判别器，其中，所述损失函数包括：对抗损失、特征匹配损失和SVD重构损失；

根据以下公式（1）获取所述对抗损失：

L_GAN(G，D，X，Y)= E_{x~Pdata（x）}[log(1-D(G(x) ) )]+ E_{y~Pdata（y）}[log(D(y))] （1），

其中，L_GAN表示对抗损失，G表示生成器，D表示判别器，X表示源域图像，Y表示目标域图像，E_{x~Pdata（x）}表示服从随机分布的变量x的期望，E_{y~Pdata（y）}表示服从随机分布的变量y的期望，G(x)表示生成图像，D(y)表示判别概率；

根据以下公式（2）获取所述特征匹配损失：

L_FM(G，X，Y)= E_y~Pdata(y)||D(G(x))-D(y)||₁ （2），

其中，L_FM(G，X，Y)表示特征匹配损失；

根据以下公式（3）获取所述SVD重构损失：

（3），

其中，L_SR(G，X)表示SVD重构损失，V_i表示VGG网络的第i个激活层，S表示对特征做特征分解并提取主要特征，c_i、h_i和w_i分别表示VGG网络的第i个激活层的深度、高度和宽度；

根据以下公式（4）获取所述损失函数，

L(G，D，X，Y)=L_GAN(G，D，X，Y)+ α L_FM(G，X，Y)+ β L_SR(G，X) （4）

其中，L(G，D，X，Y)表示损失函数，α和β表示权重系数。

2.根据权利要求1所述的基于不成对工业数据的工业质检方法，其特征在于，根据所述损失函数通过反向传播优化所述生成对抗网络。