论文部分内容阅读
针对机器视觉中正负产品样本数量不均衡以及负样本采集困难的问题,提出了一种基于正样本的产品缺陷检测方法。首先,在正样本训练集上进行缺陷构建,训练自动编码器;然后,将用于测试的负样本放入训练好的自动编码器进行训练;最后,使用LBP算子求出缺陷坐标。实验在"征图杯"校园机器视觉人工智能大赛所给初赛A榜数据集上进行验证,发现实验提出的基于正样本的产品缺陷检测网络模型对于测试样本具有较高的检测精度,实用价值较高。