[发明专利]一种基于异常特征分解与纹理背景转换的缺陷检测方法

权利要求书

1.一种基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法，其特征在于，包括：

S1、搭建缺陷检测模型；所述缺陷检测模型包括：级联且共享网络参数的第一域特征交叉模块和第二域特征交叉模块；

所述第一域特征交叉模块，用于提取输入的正常样本的第一正常域背景特征以及提取输入的异常样本的第一异常域背景特征和第一异常域缺陷特征；再基于所述第一异常域背景特征生成第一伪正常样本以及基于所述第一正常域背景特征和第一异常域缺陷特征生成第一伪异常样本；

所述第二域特征交叉模块，用于提取所述第一伪正常样本的第二正常域背景特征以及提取第一伪异常样本的第二异常域背景特征和第二异常域缺陷特征；再基于所述第二异常域背景特征生成第二伪正常样本以及基于所述第二正常域背景特征和第二异常域缺陷特征生成第二伪异常样本；

S2、以最小化第一伪正常样本与输入的异常样本之间的残差、与第一伪异常样本与输入的正常样本之间的残差之间的差异，以及最小化第二伪正常样本与输入的正常样本之间的残差、与第二伪异常样本与输入的异常样本之间的残差之间的差异为目标，训练所述缺陷检测模型。

2.根据权利要求1所述的基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法，其特征在于，所述第一域特征交叉模块包括：

第一正常域背景编码器，用于将输入的正常样本编码为第一正常域背景特征；第一异常域背景编码器，用于将输入的异常样本编码为第一异常域背景特征；第一异常域缺陷编码器，用于将输入的异常样本编码为第一异常域缺陷特征；第一正常域生成器，基于所述第一异常域背景特征生成第一伪正常样本；第一异常域生成器，基于所述第一正常域背景特征和第一异常域缺陷特征生成第一伪异常样本；

所述第二域特征交叉模块包括：

第二正常域背景编码器，用于将第一伪正常样本编码为第二正常域背景特征；第二异常域背景编码器，用于将第一伪异常样本编码为第二异常域背景特征；第二异常域缺陷编码器，用于将第一伪异常样本编码为第二异常域缺陷特征；第二正常域生成器，基于所述第二异常域背景特征生成第二伪正常样本；第二异常域生成器，基于所述第二正常域背景特征和第二异常域缺陷特征生成第二伪异常样本。

3.根据权利要求2所述的基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法，其特征在于，损失函数还包括：最小化输入的正常样本与正常重构图像之间的差异、与最小化输入的异常样本与异常重构图像之间的差异之和；其中，所述正常重构图像为所述第一正常域背景特征经过所述第一正常域生成器重构的图像，所述异常重构图像为所述第一异常域背景特征和第一异常域缺陷特征经过所述第一异常域生成器重构的图像。

4.根据权利要求1至3任一项所述的基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法，其特征在于，所述缺陷检测模型还包括隐空间约束模块，用于约束所述第一正常域背景特征和第一异常域背景特征共享同一隐空间，使判别器无法区分所述第一正常域背景特征和第一异常域背景特征。

5.根据权利要求1至3任一项所述的基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法，其特征在于，所述缺陷检测模型还包括随机剪接模块，用于生成异常样本，具体为：在一张正常样本中截取掩膜对应的区域，作为模拟的缺陷；再将其与另一张正常样本拼接，从而得到异常样本。

6.根据权利要求1至3任一项所述的基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法，其特征在于，所述缺陷检测模型还包括对抗分割模块，用于对输入的纹理图像进行分割，得到缺陷分割结果；

所述方法还包括：以所述输入的异常样本为正样本，所述第一伪正常样本和第一伪异常样本为负样本，进行对抗训练。

7.一种基于异常特征分解与纹理背景转换的缺陷检测方法，其特征在于，包括：

将待测纹理图像输入到采用权利要求1至5任一项所述的基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法所构建的缺陷检测模型中，得到所述第一伪正常样本，将所述待测纹理图像与第一伪正常样本的残差图像作为最终检测结果。