龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江苏开放大学(江苏城市职业学院)
摘要：本发明公开基于自适应谐振网络的无监督工业异常检测与定位方法、系统、设备和介质，方法包括：将工业图像分为训练集和测试集；将训练集和测试集中的工业图像划分为若干个图像块；使用三个自适应谐振网络分别为Wide‑ResNet50x2网络前三层提取到的三个视图中的特征向量聚类，将所有最佳匹配聚簇投影到二维坐标系，得到二维坐标系下的最佳匹配聚簇集合；计算训练集中每个图像块与二维坐标系下的最佳匹配聚簇集合中的最佳匹配聚簇之间的最小马氏距离，基于该距离计算每个图像块的异常得分；基于训练集得到的异常得分设定异常分数阈值；计算测试集中每个图像块异常得分，与阈值比较，大于阈值则为正常图像块，反之为异常图像块。本发明提高了异常检测性能。
主权项：1.一种基于自适应谐振网络的无监督工业异常检测与定位方法，其特征在于，包括以下步骤：将若干工业图像分为训练集和测试集；将训练集中的工业图像划分为若干个图像块，使得每个图像块代表一个区域；利用Wide-ResNet50x2网络作为特征提取器提取每个图像块的特征；将Wide-ResNet50x2网络前三层提取到的特征视为三个视图；使用三个自适应谐振网络分别为三个视图中的特征向量聚类，将所有特征向量的最佳匹配聚簇投影到二维坐标系中，得到二维坐标系下的最佳匹配聚簇集合；计算训练集中的工业图像中每个图像块与二维坐标系下的最佳匹配聚簇集合中的最佳匹配聚簇之间的最小马氏距离，基于每个图像块的最小马氏距离计算每个图像块的异常得分；基于训练集得到的异常得分设定异常分数阈值；将测试集中的工业图像划分为若干个图像块，计算每个图像块的异常得分，与异常分数阈值比较，大于异常分数阈值则为正常图像块，反之为异常图像块。
全文数据：
权利要求：
百度查询： 江苏开放大学(江苏城市职业学院) 基于自适应谐振网络的无监督工业异常检测与定位方法、系统、设备和介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号