基于多视图自编码器及高斯模糊的缺陷检测方法

针对传统全连接自编码器输入数据的每个维度与所有隐层特征相连,导致模型无法有效分离缺陷、背景和噪声信息的问题,提出了一种基于多视图自编码器(Multi-view Autoencoder, MAE)及高斯模糊的缺陷检测算法。其将隐层神经元划分成公共空间和私有空间两部分,经过多视图自编码器模型非线性特征提取后,将隐层特征还原为图片,经高斯模糊进一步降低背景和噪声对缺陷区域的干扰,引入了局部信噪比的概念。结果表明,局部信噪比的引入降低了特征提取后无缺陷区域像素值大小对信噪比的影响。高斯模糊算法进一步增加了缺陷区域和无缺陷区域的对比,尤其是对深层且细小缺陷的提升效果更好,验证了该算法的有效性和可行性。