[发明专利]基于单样本学习的工业产品缺陷检测方法

权利要求书

1.一种基于单样本学习的工业产品缺陷检测方法，其特征在于，所述检测方法包括以下步骤：

S1、搭建微调条件神经网络，所述微调条件神经网络包括条件模块、概率图生成模块以及预测模块，其中，条件模块用于确定输入图像的特征图的缩放倍数，以此来检测不同尺寸的缺陷；所述概率图生成模块用于生成某个像素的特征分别属于前景和背景的概率，辅助预测结果的生成；所述预测模块以概率图生成模块的输出作为输入，输出缺陷的分割结果；

S2、使用公开非工业数据集训练微调条件神经网络；

S3、使用微调条件神经网络分割工业数据集中的缺陷。

2.根据权利要求1所述的一种基于单样本学习的工业产品缺陷检测方法，其特征在于，所述条件模块包括特征提取模块和并联的三个分支B₁、B₂、B₃；

特征提取模块由Conv(1,64)、Conv(64,64)、Maxpool、Conv(64,128)、Conv(128,128)、Maxpool、Conv(128,256)、Conv(256,512)、Maxpool依次串联组成。

其中，Conv(IC,OC)表示卷积块，IC和OC分别表示输入通道数和输出通道数，每个卷积块包含一个卷积层和一个Relu激活函数层，卷积层的大小为3×3、步长为1，Maxpool表示大小为2×2、步长为2的最大池化层；

分支B₁、B₂、B₃均包括两层结构；分支B₁的第一层由Conv(512,512)、Conv(512,512)、Conv(512,512)依次串联组成，第二层包含一个Conv(512,128)；分支B₂的第一层由Conv(512,512)、Maxpool-M₁、Conv(512,512)、Conv(512,512)依次串联组成，其中Maxpool-M₁表示第一最大池化层，M₁表示第一最大池化层的输出，第二层由Conv(512,128)、Maxpool-M₂、Cat(M₁,M₂)、Conv(512+128,128)依次串联组成，其中，Maxpool-M₂表示第二最大池化层，M₂表示第二最大池化层的输出，Cat(M₁,M₂)表示将M₁和M₂在通道的维度上拼接；分支B₃的第一层由Conv(512,512)、Maxpool-M₁、Conv(512,512)、Maxpool-M₃、Conv(512,512)依次串联组成，第二层由Conv(512,128)、Maxpool-M₂、Cat(M₁,M₂)、Conv(512+128,128)、Maxpool-M₄、Cat(M₃,M₄)、Conv(512+128,128)依次串联组成，其中，Maxpool-M₃表示第三最大池化层，M₃表示第三最大池化层的输出，Maxpool-M₄表示第四最大池化层，M₄表示第四最大池化层的输出。