(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 202211244936.X (22)申请日 2022.10.12 (71)申请人 苏州元瞰科技有限公司 地址 215024 江苏省苏州市工业园区葑亭 大道598号2幢2楼 （该地址不得从事零 售） (72)发明人 方正　王晓阳　 (74)专利代理 机构 苏州翔远专利代理事务所 (普通合伙) 32251 专利代理师 陆金星 (51)Int.Cl. G06V 10/774(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/26(2022.01)G06V 10/82(2022.01) (54)发明名称 一种结合监督学习和特征匹配技术的工业 检测方法、 系统、 存 储介质 (57)摘要 本发明公开了一种结合监督学习和特征匹 配技术的工业检测方法、 系统和存储介质， 其中 方法， 包括选择正样本图片， 构建patchcore ‑ plus模型； 将选取的正样本图片作为训练图片输 入至骨干网络， 并提取正样本图片特征， 并形成 碎片化补丁； 筛选相似补丁， 并将筛选后的补丁 存入记忆银行； 选择测试图片， 并将测试图片输 入骨干网络， 并对测试图片进行特征提取， 形成 每个特征点上的补丁； 将测试图片形成的补丁与 记忆银行内的补丁同时输入有监督网络， 并输出 分割图像； 通过分割图像进行工业检测缺陷分 析， 本申请进行图像分割时能够形成清晰可见的 分割图形， 此外能够对不同的缺陷类别进行分 割， 缩短分割图像的时间。 权利要求书2页 说明书5页 附图1页 CN 115439718 A 2022.12.06 CN 115439718 A 1.一种结合 监督学习和特 征匹配技 术的工业检测方法， 其特 征在于， 包括如下步骤， S1， 选择正样本图片， 构建patc hcore‑plus模型； S2， 将选取的正样本图片作为训练图片输入至骨干网络， 并提取正样本图片特征， 并形 成碎片化补丁； S3、 筛选相似补丁， 并将筛 选后的补丁存 入记忆银行； S4、 选择测试图片， 并将测试图片输入骨干网络， 并对测试图片进行特征提取， 形成每 个特征点上的补丁； S5， 将测试图片形成的补丁与记忆银行内的补丁同时输入有监督的分割网络， 并输出 分割图像； S6， 对分割图像进行语义分割， 然后基于语义分割的结果形成相应的检测框 。 2.如权利要求1所述的一种结合监督学习和特征匹配技术的工业检测方法， 其特征在 于， 所述patc hcore‑plus模型包括骨干网络、 记 忆银行与监督模块； 所述骨干网络用于提取图片特 征； 所述记忆银行用于存储正样本图片特征， 图片特征即通过骨干网络并经过筛选的碎片 化补丁； 所述监督模块为分割网络模块， 所述分割网络模块用于图片分割。 3.如权利要求2所述的一种结合监督学习和特征匹配技术的工业检测方法， 其特征在 于， 将选取 的正样本图片作为训练图片输入至骨干网络进行正样本训练， 训练阶段包括正 样本训练与分割网络训练； 其中， 正样本训练过程如下： 将选取的正样本图片输入进预训练好的骨干神经网络， 骨干神经网络是使用ImageNet 数据集预训练一个ResNet特 征提取网络， 用于提取正样本中的特 征； ResNet网络会产生若干层不同大小的特 征图； 选取所有良品图片中间两层的特 征图， 存储进记忆银行中。 4.如权利要求3所述的一种结合监督学习和特征匹配技术的工业检测方法， 其特征在 于， 分割网络训练过程如下： 从待检测工业样本 中随机的挑选若干数量的样本作为训练集， 此时训练集中包含了正 样本和负 样本； 将训练图片输入骨干网络， 来 提取训练特 征， 形成特 征图； 对训练图像的每一个特 征点找出在记 忆银行中与之对应的K个L2 距离最相近的补丁； 将K个补丁和对应的特 征点同时作为输入， 输入分割网络， 得到一张预测的分割图片。 5.如权利要求4所述的一种结合监督学习和特征匹配技术的工业检测方法， 其特征在 于， 步骤S4中， 将测试图片输入骨干网络后， 利用骨干网络提取特征形成相应的补丁， 然后 从记忆银行中选取每个特征补丁对应的K个最小L2距离， 将选取 的特征补丁同时输入训练 好的模型中， 得到预测的分割图像。 6.一种结合监督学习和特征匹配技术的工业检测系统， 包括存储器、 处理器以及存储 在所述存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所 述计算机程序时， 执行根据权利要求 1至5任一项 所述的结合监督学习和特征匹配技术的工 业检测方法的指令 。权　利　要　求　书 1/2 页 2 CN 115439718 A 27.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时， 执行如权利要求1至5任一项所述的结合监督学习和 特征匹配技 术的工业检测方法的指令 。权　利　要　求　书 2/2 页 3 CN 115439718 A 3