基于相似度对比学习的连接器零样本异常检测方法

作     者：王月 银兴行 郑帅 刘永旭 王鹏 Wang Yue;Yin Xinghang;Zheng Shuai;Liu Yongxu;Wang Peng

作者机构：重庆邮电大学先进制造工程学院重庆400065 西安交通大学软件学院西安710049 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2023年第44卷第10期

页      面：201-209页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 080202[工学-机械电子工程] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划(2022YFB3306100) 航空科学基金(2019ZE105001)项目资助 

主　　题：异常检测 卷积神经网络 零样本学习 小样本学习 域自适应 

摘      要：连接器是电子装备不可或缺的功能部件,其工作接触面的洁净无异物是电子装备正常工作的必要条件。针对连接器种类和样式繁多、异物样本少且形态不固定导致的误检、漏检频发问题,本文提出了一种新颖的零样本异常检测方法,通过在无关背景图片上合成随机异常,构建正常-异常样本图片对,经过网络预测得到表征样本对之间的像素级相似度的差异度分数图,以此对异常进行检测和定位。通过异常区域掩码监督,使网络专注于正常-异常样本之间的像素差异,弱化网络对图片自身语义信息的关注,同时减少真实样本的需求量,提升检测器的泛化能力。为验证算法有效性,仅使用合成数据训练网络,在DeepPCB数据集上进行了评估,方法取得88.2%的mAp,迁移学习之后取得99.1%的mAp,为该数据集上目前最好的效果。实验结果表明本文提出的零样本异常检测方法具有良好的泛化能力。