[发明专利]基于WGAN的工业异常检测方法和装置

权利要求书

1.一种基于WGAN的工业异常检测方法，其特征在于，包括以下步骤：

获取待检测工件的异常图集和非异常图集；

对所述待检测工件的异常图集和非异常图集分别进行数据预处理，以对应得到第一数据集和第二数据集；

根据所述第一数据集和所述第二数据集构建WGAN异常检测模型，具体包括构建原始WGAN模型，其中，所述原始WGAN模型包括生成器和判别器，将所述第一数据集和所述第二数据集输入所述原始WGAN模型中，以对所述原始WGAN模型进行训练得到所述WGAN异常检测模型，更具体地，所述第一数据集模拟所述原始WGAN模型生成器的随机噪声，输入所述原始WGAN模型的生成器中，以训练所述生成器，并生成假图，所述第二数据集模拟所述原始WGAN模型判别器的标签，与所述假图共同输入所述原始WGAN模型的判别器，以训练所述判别器，并将判别结果返回所述生成器，以对所述生成器进行更新，从而迭代训练所述判别器和所述生成器，以得到所述WGAN异常检测模型，其中，所述WGAN异常检测模型的判别器包括第一判别器和第二判别器；

获取待检测工件的待检测图像；

采用卷积神经网络对所述待检测工件的待检测图像进行数据筛选；

采用所述WGAN异常检测模型对筛选后的所述待检测图像进行异常检测，具体包括对筛选后的所述待检测图像进行数据预处理，以得到二次待检测图像，将所述二次待检测图像输入所述WGAN异常检测模型，以通过所述WGAN异常检测模型的判别器和生成器对所述二次待检测图像进行并行异常检测，进而判断其对应的所述待检测工件是否为异常工件，更具体地，将所述二次待检测图像输入所述WGAN异常检测模型中的第一判别器和生成器，若所述第一判别器判定输入的所述二次待检测图像为YES，则可判定所述二次待检测图像对应的待检测工件为非异常工件，若所述第一判别器判定输入的所述二次待检测图像为NO，则可判定所述二次待检测图像对应的待检测工件为异常工件，此外，当所述生成器输入的所述二次待检测图像为异常工件图像时，所述生成器生成的假图则会极其近似于真正的非异常工件图像，因此，当将所述生成器生成的假图输入所述第二判别器时，若所述第二判别器判定所述假图为YES，则可判定所述假图对应的待检测工件为异常工件，需要说明的是，所述二次待检测图像在所述第一判别器，以及所述生成器和所述第二判别器中的处理过程是并行的，并且只要所述第一判别器或所述第二判别器中的一个判定所述二次待检测图像对应的待检测工件为异常工件，将所述待检测工件确定为异常工件。

2.根据权利要求1所述的基于WGAN的工业异常检测方法，其特征在于，对所述待检测工件的异常图集和非异常图集分别进行数据预处理，以对应得到第一数据集和第二数据集，具体包括以下步骤：

对所述待检测工件的异常图集和非异常图集分别进行灰度处理，以对应得到第一灰度图和第二灰度图；

对所述第一灰度图和所述第二灰度图分别进行伸缩和高斯滤波处理，以对应得到第一数据集和第二数据集。

3.根据权利要求2所述的基于WGAN的工业异常检测方法，其特征在于，采用卷积神经网络对所述待检测工件的待检测图像进行数据筛选，具体包括以下步骤：

获取所述待检测工件的标准工件图集；

采用全连接DenseNet卷积网络分别对所述待检测工件的标准工件图集和待检测图像进行处理，以对应得到第一特征向量和第二特征向量；

计算所述第一特征向量和所述第二特征向量的余弦相似度分数；

判断所述余弦相似度分数是否超过设定阈值；

若否，则将所述待检测工件标记为异常工件；

若是，则将所述待检测工件的待检测图像标记为筛选后的待检测图像。