金属表面缺陷检测基于一个具有多尺度面罩功能的合变压器
Lin Zhao1, Yu Zheng2, Tao Peng1
1School of Electrical and Control Engineering, Shaanxi University of Science and Technology, Xi'an 710021, China.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
本研究介绍了一种半监督方法,用于使用视觉变压器 (ViT) 检测金属表面缺陷. 该方法通过从正常样本中学习,有效地识别和痕等缺陷,改善工业产品质量控制.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 表面缺陷检测对于金属工业产品质量至关重要.
- 获得足够的缺陷样本用于监督学习是具有挑战性的.
- 半监督学习为缺陷检测提供了一个可行的解决方案.
研究的目的:
- 提出一种用于金属表面缺陷检测的新型半监督方法.
- 为了应对有限的缺陷样本可用性的挑战.
- 为了提高检测缺陷的准确性和效率,例如生和痕.
主要方法:
- 一个视觉转换器 (ViT) 集成到一个生成对抗网络 (GAN).
- 在训练和测试期间使用区块面具进行多尺度面具特征融合.
- 整合代币合并 (ToMe) 以提高培训速度.
- 一个编码器-解码器网络,具有长跳过连接,用于功能融合.
主要成果:
- 拟议的方法在五个金属工业产品数据集和MVTec AD数据集上显示出卓越的性能.
- 从正常样本中有效地学习语义上下文,以识别缺陷.
- 成功检测各种金属表面缺陷,包括生和痕.
结论:
- 开发的半监督的基于变压器的方法显著改善了金属表面缺陷检测.
- 该方法强大而有效,克服了传统方法的局限性和数据稀缺性.
- 这种技术为金属工业生产中的质量控制提供了有前途的解决方案.
