[发明专利]一种基于增量学习和开集识别算法的图像异常检测平台

说明书

本发明公开一种基于增量学习和开集识别算法的图像异常检测平台，该平台包括图像处理模块、异常检测模块、算法库、数据库、云端类别增量学习模块和图像质量评估模块；图像处理模块用于对输入的图像进行预处理，并对预处理过的图像进行开集目标识别；异常检测模块用于根据类别标签调用异常检测算法或异常检测模型，对图像处理模块预处理后的图像进行异常检测，计算置信度，并根据规则输出异常检测结果；算法库用于储存异常检测算法和训练后的异常检测模型；云端类别增量学习模块基于类别增量学习方法使得算法库中的异常检测算法对新增到数据库中图像样本训练新的模型。采用本发明进行异常检测的准确度和可信度高，泛化能力强。

技术领域

本发明涉及图像检测领域，具体涉及一种基于增量学习和开集识别算法的图像异常检测平台。

背景技术

图像异常检测旨在发现图像数据中的异常点，在许多领域都非常重要，例如，在工业领域准确的异常检测可以触发提示故障排除，帮助避免收入损失，并维护公司的声誉和品牌；在医学领域中，异常检测可以辅助医生诊断，在保证诊断准确度的同时提高了诊断效率。现有的异常检测平台有如下几种：

1.时序异常检测服务(微软)

该平台包括数据接入模块、在线计算模块和实验平台模块三部分。其中，用户通过创建Datafeed注册监控任务，即根据给定粒度将时间序列数据点摄取到系统，并将数据接入kafka中；在线计算模块在进入管道后立即处理每个数据点(Flink)，异常检测处理器(Anomaly detection processor)检测每个单个时间序列异常，智能警报处理器(smartalert processor)将异常与差分时间序列相关联，并相应地生成事件报告；实验平台模块用于评估异常检测模型的性能。

2.Oracle AI异常检测云服务

Oracle云基础设施(OCI)异常检测是一项AI服务，它使开发人员能够更轻松地构建用于特定业务场景的异常检测模型，以发现关键异常事件，从而加快检测和解决时间。OCI的异常检测服务将通过获取用户传感器上传的数据，使用核心算法训练定制模型，并托管在云中以准备检测，然后用户可以将新数据发送到检测端点以获得检测到的异常结果，异常检测的核心算法是多元时间序列异常检测算法。它的结构主要由以下几个模块组成：数据接入和储存，数据处理模块，异常检测模块，以及推理模块。

3.MachineProphet：基于PaddleTS开源时序建模算法库的工业异常检测系统

有异常发生时，MachineProphet能快速识别检测并报警变红，显示到监测屏幕上，操作人员便可根据情况执行停机指令，避免产品的批次报废现象发生；同时，系统还将识别异常系统和现场维修系统集成到一起，可以对异常初步分析，将消息推送给对应的维护系统，完成智能维修处理。

4.基于AidLux的工业异常检测PaaS平台

针对小样本(正样本数据集+少量负样本)，AidLux集成全球10大主流AI框架以及其各种科学计算库，智能匹配模型框架，内置缺陷检测算法。该平台使用AidLux内置的缺陷检测算法，可以检测划伤、脏污、凹坑等表面缺陷。

5.菲特电极帽检测系统

焊接电极帽工作区表面缺陷检测，通过分析图像数据来改善电极帽焊接质量，避免后续出现的潜在质量风险；提高电极帽利用率，节约材料成本。通过视觉检测设备搭载算法，与焊接机器人联动，电极帽研磨完毕，自动进行缺陷检测，设备运行全过程无需人工参与，检测稳定性及一致性远高于人工目视检测方法。