机械工程学报

作者：余智祺, 徐洋, 王元飞, 盛晓伟

单位：东华大学机械工程学院 上海 201620

关键词：布匹缺陷检测,正常样本,标准化流,多尺度,深度学习；

基金：国家重点研发计划资助项目(2018YFB1308800)。

基于深度学习的布匹缺陷检测算法依赖大量带标签的缺陷样本，但在实际生产过程中难以大量获取且标注烦琐。针对这一问题提出一种基于多尺度标准化流模型的布匹缺陷检测算法。该方法首先通过加载预训练权重的特征提取网络获取正常样本的特征，然后通过训练标准化流模型，建立正常样本特征分布与标准高斯分布之间的映射关系，以此评估待测图像特征经转化后在标准高斯分布中的概率密度来识别和定位缺陷。为减轻深层特征低分辨率引起的纹理细节损失，提出一种融合策略融合不同尺度下变换后的特征分布。检测时计算待测布匹图像特征的概率密度来评估每个像素的异常程度，并根据设定的阈值划分缺陷区域。试验表明：所提出的方法在不需要缺陷样本的情况下即可完成布匹缺陷检测，且检测精度可达像素级。在不同纹理背景与不同缺陷类型的数据上表现优异，图像级AUC高达100%，像素级AUC达98.5%，显示了良好的泛化能力。

来源：2025年第10期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第10期