公开(公告)号：CN113870230B

公开(公告)日：2022-08-02

申请号：CN202111161614.4

申请日：2021-09-30

Applicant: 湖南大学

Inventor： 张辉 ,  赵晨阳 ,  李晨 ,  廖德 ,  刘优武 ,  王耀南 ,  毛建旭

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明具体公开了一种基于混合监督学习的表面异常检测方法。所述方法包括以下步骤：首先获取表面正常的正常样本以及表面异常的异常样本并进行预处理；并构建包括异常定位网络、自注意力网络和异常判别网络的神经网络模型，然后将预处理数据输入神经网络模型中进行训练以获取异常检测神经网络模型；最后将待测图像数据输入异常检测神经网络模型中，进而能够自动判别待测图像是否存在异常以及对异常区域进行定位。本发明中只需要对少量异常样本进行粗糙标注，无需提供大量精细标注的缺陷样本作为训练样本，减轻了全监督学习的高精度标注需求，大大降低了标注成本，提高了检测效率，能够准确高效完成工业表面检测任务。

公开(公告)号：CN113177477A

公开(公告)日：2021-07-27

申请号：CN202110474980.9

申请日：2021-04-29

Applicant: 湖南大学

Inventor： 刘理 ,  王耀南 ,  张辉 ,  廖德 ,  钟杭 ,  缪志强

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/40 ,  G06K9/46 ,  G06K9/62 ,  G06T7/11 ,  G06T7/187 ,  G06T7/62 ,  G06T7/64 ,  G06T17/00

Abstract: 本发明公开了一种基于三维点云分析的目标检测识别方法，包括以下步骤：获取原始点云数据；对原始点云数据进行八叉树下采样，得到多个局部点云区域；根据八叉树的半径搜索算法和预设的最大间隔距离对多个局部点云区域进行距离判断得到判断结果，根据判断结果对多个局部点云区域进行标记，通过标签连通域算法对标记后的局部点云区域进行局部点云相连，得到带有标签点云的局部区域块状点云；对带有标签点云的局部区域块状点云进行三维点云的特征提取得到每个区域块状点云的特征信息，根据预设的分类模型，并基于提取的点云特征信息，对局部区域块状点云进行分类，当检测到存在目标物点云时，完成目标检测识别。可实现对物体整体局部目标的检测。

公开(公告)号：CN113870230A

公开(公告)日：2021-12-31

申请号：CN202111161614.4

申请日：2021-09-30

Applicant: 湖南大学

Inventor： 张辉 ,  赵晨阳 ,  李晨 ,  廖德 ,  刘优武 ,  王耀南 ,  毛建旭

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明具体公开了一种基于混合监督学习的表面异常检测方法。所述方法包括以下步骤：首先获取表面正常的正常样本以及表面异常的异常样本并进行预处理；并构建包括异常定位网络、自注意力网络和异常判别网络的神经网络模型，然后将预处理数据输入神经网络模型中进行训练以获取异常检测神经网络模型；最后将待测图像数据输入异常检测神经网络模型中，进而能够自动判别待测图像是否存在异常以及对异常区域进行定位。本发明中只需要对少量异常样本进行粗糙标注，无需提供大量精细标注的缺陷样本作为训练样本，减轻了全监督学习的高精度标注需求，大大降低了标注成本，提高了检测效率，能够准确高效完成工业表面检测任务。