(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 202211383054.1 (22)申请日 2022.11.07 (71)申请人 合肥中科类脑智能技 术有限公司 地址 230000 安徽省合肥市高新区望江西 路5089号中国科大先进技术研究院一 号嵌入式研发楼3楼3 01室 (72)发明人 张海涛　孙涛　艾坤　刘海峰　 王子磊　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 雷玉龙 (51)Int.Cl. G06V 10/20(2022.01) G06V 10/40(2022.01) G06V 10/766(2022.01)G06V 10/774(2022.01) G06V 10/26(2022.01) (54)发明名称 工业缺陷检测方法、 装置及电子设备、 存储 介质 (57)摘要 本发明公开了一种工业缺陷检测方法、 装置 及电子设备、 存储介质， 涉及图像处理技术领域。 所述方法包括： 获取待测图像样本， 并对待测图 像样本进行预处理； 利用特征提取网络对经过预 处理的待测图像样本进行特征提取， 得到特征提 取网络在 多个提取阶段输出的特征图； 将各个提 取阶段的特征图输入至预先训练好的二维自回 归流模型中， 以得到各个提取阶段的高斯概率估 计图； 根据所有提取阶段的高斯概率估计图确定 待测图像样 本的异常分数图， 以根据异常分数图 进行缺陷检测。 由此， 以减少工业缺陷检测的检 测时间， 提高工业缺陷检测的检测 效率， 且在不 需要构建正样本特征库的条件下实现工业缺陷 检测， 以节省存 储空间。 权利要求书3页 说明书12页 附图5页 CN 115496892 A 2022.12.20 CN 115496892 A 1.一种工业 缺陷检测方法， 其特 征在于， 包括： 获取待测图像样本， 并对所述待测图像样本进行 预处理； 利用特征提取网络对经过预处理的所述待测图像样本进行特征提取， 得到所述特征提 取网络在多个提取阶段输出的特 征图； 将各个提取阶段的所述特征图输入至预先训练好的二维自回归流模型中， 以得到各个 提取阶段的高斯 概率估计图； 根据所有提取阶段的所述高斯概率估计图确定所述待测图像样本的异常分数图， 以根 据所述异常 分数图进行缺陷检测。 2.根据权利要求1所述的工业缺陷检测方法， 其特征在于， 所述二维自回归流模型的训 练步骤包括： 获取正常图片样本， 并将所述 正常图片样本进行 预处理； 利用所述特征提取网络对经过预处理 的所述正常图片样本进行特征提取， 以得到所述 特征提取网络在多个提取阶段输出的训练特 征图； 将各个提取阶段的所述训练特征图输入至待训练 的二维自回归流模型中， 以得到各个 提取阶段的高斯概率估计图， 其中， 所述二 维自回归流模型包括多个网络 分支， 不同的所述 网络分支用于得到不同提取阶段的高斯 概率估计图； 根据各个提取阶段的所述高斯 概率估计图确定所述 二维自回归流模型的总损失值； 根据所述总损失值对相应的所述网络分支的参数进行更新， 以得到所述训练好的二维 自回归流模型。 3.根据权利要求2所述的工业缺陷检测方法， 其特征在于， 所述根据各个提取阶段的所 述高斯概率估计图确定所述 二维自回归流模型的总损失值， 包括： 根据各个提取阶段的所述高斯 概率估计图确定相应所述网络分支的损失值； 根据所有所述网络分支的损失值确定所述 二维自回归流模型的总损失值。 4.根据权利要求3所述的工业缺陷检测方法， 其特征在于， 通过下式确定所述网络分支 的损失值： 其中， Xi为特征提取网络第i个提取阶段输 出的所述训练特征图， f为所述二维自回归 流 模型， Zi为第i个提取阶段的所述高斯概率估 计图， Li为与第i个 提取阶段对 应的所述网络分 支的损失值， C为所述高斯概率估计图的通道数， W为所述高斯概率估计图的宽度， H为所述 高斯概率估计图的高度， j=1代表所述高斯概率估计图的通道数为1， 为与第i个 提取阶段对应的所述网络分支的雅可比矩阵的行列式。 5.根据权利要求4所述的工业缺陷检测方法， 其特征在于， 通过下式确定所述总损失 值：权　利　要　求　书 1/3 页 2 CN 115496892 A 2其中， L为所述二维自回归流模型的所述总损失值， m为所述特征提取网络的提取阶段 数。 6.根据权利要求5所述的工业缺陷检测方法， 其特征在于， 所述根据所述总损失值对相 应的所述网络分支的参数进行 更新， 包括： 采用反向传播算法， 并根据所述总损 失值更新各个所述网络分支 的参数， 直至各个所 述网络分支收敛。 7.根据权利要求1 ‑6中任一项所述的工业缺陷检测方法， 其特征在于， 所述根据 所有提 取阶段的所述高斯 概率估计图确定所述待测图像样本的异常 分数图， 包括： 利用各个提取阶段的所述高斯 概率估计图确定各个提取阶段的子异常 分数图； 根据每个提取阶段的所述子异常 分数图确定所述异常 分数图。 8.根据权利要求7所述的工业缺陷检测方法， 其特征在于， 通过下式确定所述子异常分 数图： 其中， Mi为第i个提取阶段的所述子异常分数图， j=1代表所述待测图像样本的通道数为 1。 9.根据权利要求8所述的工业缺陷检测方法， 其特征在于， 通过下式确定所述异常分数 图： 其中， Mu i为将第i个提取阶段的所述子异常分数图映射于所述待测图像样本后的子异 常分数图， i nput_size为所述待测图像样本的输入尺寸， M为所述异常 分数图。 10.根据权利要求1所述的工业缺陷检测方法， 其特征在于， 所述根据所述异常分数图 进行缺陷检测， 包括： 确定所述异常分数图中是否存在异常区域， 所述异常区域是指像素点的异常分数大于 预设阈值的区域； 若是， 则将所述异常区域映射在所述待测图像样本的部分进行分割， 以得到缺陷图像。 11.一种工业 缺陷检测装置， 其特 征在于， 包括： 获取模块， 用于获取待测图像样本， 并对所述待测图像样本进行 预处理； 特征提取模块， 用于利用特征提取网络对经过预处理的所述待测图像样本进行特征提 取， 得到所述特 征提取网络在多个提取阶段输出的特 征图； 处理模块， 用于将各个提取阶段的所述特征图输入至预先训练好的二维自回归流模型权　利　要　求　书 2/3 页 3 CN 115496892 A 3