(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210396491.0 (22)申请日 2022.04.15 (71)申请人 上海波士内智能科技有限公司 地址 201612 上海市松江区新 桥镇千帆路 288弄6号902室-1 (72)发明人 李红　方正豪　王怀震　 (74)专利代理 机构 上海骁象知识产权代理有限 公司 31315 专利代理师 柏祝扣 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/00(2006.01) (54)发明名称 一种利用对抗生成自编码神经网络的曲面 异常检测方法 (57)摘要 一种利用对抗生成自编码神经网络的曲面 异常检测方法， 包括以下步骤： 利用多个工业相 机组采集无缺陷图像， 并进行组合； 将无缺陷图 像导入异常检测神经网络中， 进行预训练， 保存 误检缺陷的位置信息； 最后保存排除误检测后的 结果， 作为异常检测最终结果； 将异常检测的最 终结果预览图加载入共享内存， 并通过Socket将 推理结束信号返回给客户端。 本发 明克服了现有 技术的不足， 通过将对抗生 成网络与自编码器组 合的异常检测方法运用在异常检测领域中， 通过 卷积神经网络与传统图像处理， 实现高效、 准确 的异常检测。 权利要求书2页 说明书5页 附图2页 CN 114943684 A 2022.08.26 CN 114943684 A 1.一种利用对抗生成自编码神经网络的曲面异常检测方法， 其特征在于： 包括以下步 骤： 步骤S1： 利用工业相机组采集完整曲面表面特 征图像， 建立 缺陷图像库； 步骤S2： 利用边缘检测算法对步骤S1中采集的缺陷图像进行图像裁剪； 并将曲面表面 特征图像根据花纹的重复性划分为多个 检测扇区， 截取 出区域， 组合获得图像； 步骤S3： 对步骤S2中获得的图像数据集进行 数据增强处 理； 步骤S4： 建立基于卷积神经网络的曲面表面 缺陷的异常判别神经网络； 步骤S5： 将经过增强处理后的缺陷图像输入到异常判别神经网络中， 对目异常判别神 经网络进行训练， 获得优化后的异常判别神经网络； 步骤S6： 固化 步骤S5训练出来的模型参数并部署到高速推理引擎， 进行异常检测。 2.根据权利要求1所述的一种利用对抗生成自编码神经网络的曲面异常检测方法， 其 特征在于： 所述步骤S1中， 图像库由多种工业相机采集的高分辨率图像组成， 主要 数据为高 精度扫描图像。 3.根据权利要求1所述的一种利用对抗生成自编码神经网络的曲面异常检测方法， 其 特征在于： 所述 步骤S2具体包括以下步骤： 步骤S21： 对步骤S1中采集的缺陷图像进行高斯滤波平滑处理， 减少底噪干扰， 其中， 高 斯滤波平 滑的计算公式如下： 其中， f(m,n)为位置(m,n)的灰度值， σ 为高斯滤波的宽度， 决定平滑程度， gσ(m,n)为位 置(m,n)经 过高斯滤波后的灰度值； 步骤S22： 通过计算梯度幅度， 估计出每一点的边缘强度与梯度方向， 边缘强度的计算 公式以及 梯度方向的计算公式分别如下： 其中， gx(m,n)和gy(m,n)为两个方向的梯度值； 步骤S23： 根据梯度方向， 对梯度幅值进行非极大值抑制， 然后将边 缘连接起 来； 步骤S24： 将曲面表面根据花纹的重复性划分为多个检测扇区， 截取出区域， 组合获得 图像。 4.根据权利要求1所述的一种利用对抗生成自编码神经网络的曲面异常检测方法， 其 特征在于： 所述 步骤S3具体包括以下步骤： 步骤S31： 使用随机 旋转和翻转操作对图像进行 数据增强处 理， 扩充缺陷数据集； 步骤S32： 对增强处理后的缺陷图像按照缺陷类别进行标注， 并将标注后的图像划分为 训练集、 验证集和 测试集。权　利　要　求　书 1/2 页 2 CN 114943684 A 25.根据权利要求1所述的一种利用对抗生成自编码神经网络的曲面异常检测方法， 其 特征在于： 所述步骤S4利用自编码器加卷积神经网络构建异常判别神经网络， 利用对抗生 成的方式进行训练。 6.根据权利要求1所述的一种利用对抗生成自编码神经网络的曲面异常检测方法， 其 特征在于： 所述 步骤S6中异常检测方法的实现步骤为： 步骤S61： 对扫描图像进行边 缘检测与裁切； 步骤S62， 每次检测前， 先以一批无缺陷预训练用作排除误检测的数据模型； 步骤S63， 利用部署到TensorRT的加速推理引擎进行图像 推理； 步骤S64， 利用排除误检测的数据模型完成检测结果的确认， 并输出 结果。 7.根据权利要求6所述的一种利用对抗生成自编码神经网络的曲面异常检测方法， 其 特征在于： 所述 步骤S6中异常检测方法的结果传递 步骤为： 步骤S65： 利用Socket通讯从软件端获取指令， 采取Mmap技术从共享内存中获取实时图 像； 步骤S66： 将图像进行裁减、 缩放、 翻转 等预处理操作后执 行推理过程； 步骤S67： 将结果储存本地， 并将结果预览图加载入共享内存并回传代表执行完毕的 Socket信号。 8.根据权利要求1所述的一种利用对抗生成自编码神经网络的曲面异常检测方法， 其 特征在于： 还 包括步骤S7： 对复杂纹路引起的误检测进行排除； 其实现步骤为： 步骤S71： 加载曲面表面 花纹模板； 步骤S72， 对一批无缺陷进行检测， 并记录所有检测到缺陷目标的位置； 步骤S73， 对每类缺陷的目标位置采用聚类算法， 获取每个聚类中心点坐标位置， 共同 构成一个反误检模型； 步骤S74， 对于模型推理获取的检测结果， 利用FLANN最近邻算法查找该检测目标是否 靠近反误检模型内的某个点， 判断出 该点是否为 误检； 步骤S75， 输出排除误检测后的检测结果。权　利　要　求　书 2/2 页 3 CN 114943684 A 3