基于秩正则几何变换的无监督字符缺陷检测

作者：苗相彬; 罗建桥; 李柏林

来源：机械制造与自动化, 2023, 52(05): 127-133.

DOI：10.19344/j.cnki.issn1671-5276.2023.05.030

• 字符缺陷检测
• 无监督异常检测
• 几何变换
• 卷积神经网络
• 秩正则

针对基于几何变换(GT)的异常检测忽略了特征紧凑性，难以准确区分高度相似的合格与缺陷字符的问题，定义秩正则损失鼓励紧凑特征表达，提出基于秩正则几何变换(RRGT)的字符缺陷检测算法。无监督异常检测仅使用正常样本(合格字符)作为训练集，RRGT对训练样本进行不同类型的几何变换。定义秩正则损失训练网络模型识别正常样本的变换类型。秩正则迫使同类变换的特征矩阵具有较小的秩，从而鼓励特征紧凑性。推理阶段使用网络预测施加在新样本上的变换类型。由于网络未使用异常样本(缺陷字符)训练，网络对异常样本的预测不确定性高，由不确定性可以检出异常样本。在旺旺牛奶盒喷点字符上的实验表明：相比GT,RRGT大幅提升了网络对缺陷字符预测不确定性的识别能力，缺陷检测的AUC值提高了4.8%。

• 单位
  西南交通大学