石板材表面缺陷检测的无监督学习方法

摘要: 石板材表面缺陷检测是一项具有挑战性的任务，尤其对于边缘磕碰、裂缝等细微缺陷，检测难度大。此外，冗余特征的存在会影响训练效果，多尺度特征学习需要进行多维计算，计算复杂度高。针对上述问题，本文提出一种基于无监督学习的石板材表面缺陷检测方法，它能够有效解决该任务存在的问题。首先，对预训练网络提取到的图像多尺度特征，采用正半交嵌入特征降维方式减少冗余特征的影响。然后，通过多过程特征学习降低计算中的时间复杂度，提高训练效率。最后，根据训练模型得出待测图像的局部马氏距离，提高检测性能。相关实验表明，本方法在石板材数据集上的结果优于当前几种先进方法，同时在石板材表面缺陷检测和定位方面证明本方法的有效性。

• 关键词: 
• 石板材  /  
• 表面缺陷  /  
• 缺陷检测  /  
• 无监督学习  /  
• 多尺度特征  /  
• 半正交嵌入特征  /  
• 特征学习  /  
• 马氏距离  

作为一种被广泛应用于家居建材、生产设备、公共设施等领域的重要材料，石板材与人们的日常生活息息相关[1]。为了提供优质的产品，石板材的质量检测环节就显得极为重要。由于人工检测效率低，极大地制约了石板材制造行业的整