(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210247216.2 (22)申请日 2022.03.14 (71)申请人 西南交通大 学 地址 610031 四川省成 都市二环路北一段 (72)发明人 李明玥　刘东　李俊颉　陈星宇　 赵舵　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 韦海英 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/74(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种无监 督缺陷检测方法 (57)摘要 本发明公开了一种无监督缺陷检测方法， 通 过采集实时轨道图片， 并利用扣件检测算法截取 实时轨道图片， 得到扣件图片； 用卷积层替换卷 积Encoder ‑Decoder结构中的全连接层， 利用优 化后的卷积Encoder ‑Decoder结构对扣件图片进 行重构， 得到重构图片； 构建SSIM相似度计算式， 计算重构图片与扣件图片的相似度， 并根据预设 阈值范围， 判断扣件图片是否存在缺陷， 若是， 则 将该扣件图片标记为存在缺陷， 否则标记为不存 在缺陷； 本发明基于一个单独的end ‑to‑end网 络， 完成从原始图像的输入到物体类别的检测输 出 ， 大大提高了检测精度 ， 通过应用卷积 Encoder‑Decoder结构与扣件检测算法， 解决了 现有的单一使用卷积神经网络通过人工标注缺 陷进行模型训练这一过程中误检率和漏检率偏 高的问题。 权利要求书2页 说明书6页 附图2页 CN 114677342 A 2022.06.28 CN 114677342 A 1.一种无监 督缺陷检测方法， 其特 征在于， 包括以下分步骤： S1、 采集实时轨道图片； S2、 利用扣件检测算法截取实时轨道图片， 得到扣件图片； S3、 用卷积层替换卷积Encoder ‑Decoder结构中的全连接层， 得到优化后的卷积 Encoder‑Decoder结构， 并利用优化后的卷积Encoder ‑Decoder结构对扣件图片进行重构， 得到重构图片； S4、 构建S SIM相似度计算式， 并计算得到 重构图片与扣件图片的相似度； S5、 根据重构图片与扣件图片的相似度结合预设阈值范围， 判断扣件图片是否存在缺 陷， 若是， 则将该扣件图片标记为存在缺陷， 否则标记为 不存在缺陷。 2.根据权利要求1所述的无监督缺陷检测方法， 其特征在于， 步骤S2具体包括以下分步 骤： S21、 利用yolov5算法作为扣件检测算法， 并利用yolov5算法， 得到实时轨道图片的预 测框参数； S22、 根据预测框参数截取实时轨道图片， 得到扣件图片。 3.根据权利要求1所述的无监督缺陷检测方法， 其特征在于， 步骤S3中优化后的卷积 Encoder‑Decoder结构具体为： 包括： 构建依次连接的卷积Encoder层与卷积Decoder层。 4.根据权利要求3所述的无监 督缺陷检测方法， 其特 征在于， 卷积Encoder层： 包括依次连接的： 第一预设通道数的输入层、 第二预设通道数的卷积层、 leaky  ReLU激 活层、 归一化层、 第三预设通道数的卷积层、 leaky  ReLU激活层， 归一化层、 一维化层、 全连 接层。 5.根据权利要求3所述的无监 督缺陷检测方法， 其特 征在于， 卷积Decoder层： 包括依次连接的： 全连接层、 一维化层、 第 四预设通道数的重整型层、 第五预设通道数 的反卷积层、 leaky  ReLU激活层、 归一化层、 第六预设通道数的卷积层、 leaky  ReLU激活层、 归一化层、 第七预设通道数的卷积层、 激活层。 6.根据权利要求4或5所述的无监督缺陷检测方法， 其特征在于， leaky  ReLU激活层包 含线性整流 函数， 其表达式为： 其中， Yi为输出函数值， Xi为输入函数值， ai为常数。 7.根据权利要求1所述的无监督缺陷检测方法， 其特征在于， 步骤S4具体包括以下分步 骤： S41、 计算重构图片与扣件图片的各像素的平均亮度， 其计算式表示 为： 权　利　要　求　书 1/2 页 2 CN 114677342 A 2其中， N为像素点个数， xi为图片x上第i个 像素亮度值， μx为图片x的平均亮度参数； S42、 根据各像素的平均亮度计算各像素的亮度的标准差， 得到对比度参数， 表示 为： 其中， σx为对比度参数； S43、 根据 各像素的平均亮度与对比度参数得到亮度相似度、 对比度相似度以及结构相 似度参数； S44、 根据亮度相似度、 对比度相似度以及结构相似度参数构建SSIM相似度计算式， 表 示为： SSIM(x,y)＝ l(x,y)c(x,y)s(x,y) 其中， SSIM(x,y)为图像x与y的相似度计算值， l(x,y)为图像x与y的亮度相似度值， c (x,y)为图像x与y的对比度相似度值， s(x,y)为图像x与y的结构相似度参数； S45、 根据S SIM相似度计算式得到 重构图片与扣件图片间的相似度。 8.根据权利要求7所述的无监督缺陷检测方法， 其特征在于， 步骤S43中亮度相似度的 计算式表示 为： 对比度相似度的计算式表示 为： 结构相似度参数的计算式表示 为： 其中， l(x,y)为图像x与y的亮度相似度值， c(x,y)为图像x与y的对比度相似度值， s(x, y)为图像x与y的结构相似度参数， C1、 C2、 C3分别为常数， μx为第x个图片的平均亮度参数， μy 为第y个图片的平均亮度参数， σx为第x个图片的对比度参数， σy为第y个图片的对比度参 数， σxy为图像x与y对比度参数的协方差 。 9.根据权利要求1所述的无监 督缺陷检测方法， 其特 征在于， 步骤S5具体为： 判断重构图片与扣件图片的相似度是否低于预设阈值范围， 若是， 则将该扣件图片标 记为存在缺陷， 否则标记为 不存在缺陷。权　利　要　求　书 2/2 页 3 CN 114677342 A 3