仪器仪表学报

作者：王 月，银兴行，郑 帅，刘永旭，王 鹏

单位：王 月,1. 重庆邮电大学先进制造工程学院,,银兴行,1. 重庆邮电大学先进制造工程学院,,郑 帅,2. 西安交通大学软件学院,,刘永旭,1. 重庆邮电大学先进制造工程学院,,王 鹏,1. 重庆邮电大学先进制造工程学院,

关键词：异常检测;卷积神经网络;零样本学习;小样本学习;域自适应

基金：国家重点研发计划(2022YFB3306100)、航空科学基金(2019ZE105001)项目资助

连接器是电子装备不可或缺的功能部件,其工作接触面的洁净无异物是电子装备正常工作的必要条件。针对连接器种类和样式繁多、异物样本少且形态不固定导致的误检、漏检频发问题,本文提出了一种新颖的零样本异常检测方法,通过在无关背景图片上合成随机异常,构建正常-异常样本图片对,经过网络预测得到表征样本对之间的像素级相似度的差异度分数图,以此对异常进行检测和定位。通过异常区域掩码监督,使网络专注于正常-异常样本之间的像素差异,弱化网络对图片自身语义信息的关注,同时减少真实样本的需求量,提升检测器的泛化能力。为验证算法有效性,仅使用合成数据训练网络,在DeepPCB数据集上进行了评估,方法取得88.2%的mAp,迁移学习之后取得99.1%的mAp,为该数据集上目前最好的效果。实验结果表明本文提出的零样本异常检测方法具有良好的泛化能力。

来源：2023年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第10期