计算机辅助设计与图形学学报

作者：张军, 张洋, 石陆魁, 潘斌, 史进

关键词：表面缺陷检测, 伪缺陷样本, 缺陷引导, 差异映射

针对基于正常样本训练的无监督重构网络在训练阶段缺少缺陷信息指导和捕获高层次语义信息能力不足的问题, 提出一种基于缺陷引导与差异映射的级联网络模型GM-Net.该模型由缺陷生成器、缺陷引导重构模块和差异映射孪生模块组成.首先使用缺陷生成器将无缺陷的正常样本构造为与实际缺陷无关的伪缺陷样本, 同时提取得到对应的正常特征和伪缺陷特征; 然后利用缺陷引导重构模块对随机选择输入的正常特征或伪缺陷特征均以正常特征为目标进行重构; 最后通过差异映射孪生模块提取重构前后特征间差异，并将其映射到图像空间内, 实现缺陷检测.GM-Net在定向引导缺陷重构的同时增强了特征间差异在图像空间内的表达能力; 在KolektorSDD和KolektorSDD2数据集上进行性能测试的结果表明, AUC指标分别达到0.855和0.949.

来源：2024年第10期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第10期