基于深度学习的异常检测/缺陷检测

文章预览

以下 文 章来源于微信公众号： 机器视觉与深度学习 作者：Mia Morton 编译：ronghuaiyang 链接：https://mp.weixin.qq.com/s/2Kdp0VWP-AKK70yq7TExFg 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 复杂工业场景下的高速智能瑕疵缺陷识别检测，已经成为计算机视觉领域新兴的研究热点之一。本文介绍了一种 异常检测模型，该方法能够实现生产线上异常检测过程的自动化。在选择数据集来训练和测试模型之后，能成功地检测出86%到90%的异常。 介绍 异常是指偏离预期的事件或项目。与标准事件的频率相比，异常事件的频率较低。产品中可能出现的异常通常是随机的，例如颜色或纹理的变化、划痕、错位、缺件或比例错误。 异常检测使我们能够从生产流程中修复或消除那些处于不良状态的部件。因此，由于避免生产和销售有缺陷的产品，制造成本降低 ………………………………