一种缺陷样本图像生成方法与流程

文档序号:39774088发布日期:2024-10-25 13:53阅读:来源:国知局

技术特征:

1.一种缺陷样本图像生成方法,其特征在于,利用训练好深度学习模型生成缺陷样本图像,所述深度学习模型包括神经网络a、神经网络b、神经网络c、神经网络d和神经网络e;

2.如权利要求1所述缺陷样本图像生成方法,其特征在于:利用训练好的深度学习模型生成缺陷样本图像的方式为:

3.如权利要求2所述缺陷样本图像生成方法,其特征在于:标签i中,缺陷的严重等级可设置的范围为:n类缺陷分别对应的缺陷等级中的最小等级~最大等级。

4.如权利要求1所述缺陷样本图像生成方法,其特征在于:步骤1)中,缺陷的严重等级,评估方式如下:

5.如权利要求4所述缺陷样本图像生成方法,其特征在于:步骤③中,根据差值的大小设置缺陷的严重等级,方式包括以下两种:

6.如权利要求1所述缺陷样本图像生成方法,其特征在于:当神经网络c中输入的缺陷图像有多张时,预先为每张缺陷图像设定权重值;

7.如权利要求6所述缺陷样本图像生成方法,其特征在于:权重的设计方式:

8.如权利要求1所述缺陷样本图像生成方法,其特征在于:神经网络a、神经网络b、神经网络c、神经网络d和神经网络e所选用的网络模型不完全相同。

9.如权利要求1所述缺陷样本图像生成方法,其特征在于:神经网络a选用卷积层大于13层的卷积神经网络;


技术总结
本发明公开了一种缺陷样本图像生成方法,利用模型生成缺陷样本图像,模型的训练过程:将正常图像输入到神经网络A输出特征矩阵Fa;标签输入到神经网络B输出特征矩阵Fb;缺陷图像输入到神经网络C输出特征矩阵Fc;将利用特征矩阵Fb、Fc、Fa得到的矩阵输入到神经网络D中,神经网络D输出特征矩阵Fd;该矩阵Fd再经过最大池化层获取的权重矩阵,权重矩阵作用到特征矩阵Fd,得到生成缺陷样本图像;将特征矩阵Fd输入到神经网络E中,神经网络E输出缺陷信息矩阵;计算loss值;当loss值达到稳定时,保存模型参数;本方法旨在提升生成缺陷样本图像的准确性、多样性;解决了生成缺陷样本图像形式单一,重复性高的问题。

技术研发人员:叶琨,王伟,孙博,周东
受保护的技术使用者:易思维(杭州)科技股份有限公司
技术研发日:
技术公布日:2024/10/24
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1