(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210812063.1 (22)申请日 2022.07.12 (71)申请人 启东万惠机械制造有限公司 地址 226000 江苏省南 通市启东市汇龙镇 五四村(启东市青年 东路20号) (72)发明人 李坚彬　李海燕　刘坤　 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) (54)发明名称 基于无监督的机械零件表面缺陷检测方法 及系统 (57)摘要 本发明涉及人工智能技术领域， 具体涉及一 种基于无监督的机械零件表面缺陷检测方法及 系统， 该方法包括： 构建无监督分割网络， 包括初 始类别数和损失； 将获取的机械零件表面图像输 入所述无监督分割网络， 输出初始分割图像； 获 取类别分割图像的像素点的所有类别之间的差 异程度， 并根据所述差异程度调整初始类别数， 得到类别数； 基于类别数 以及无监督分割网络， 得到分割图像； 如此按照上述步骤进行多次类别 数的迭代， 直至类别数不变， 得到最优分割图像， 根据最优分割图像得到机械零件表面缺陷的检 测结果。 本发明不需要人为的获得标签数据， 降 低了机械零件表面 缺陷检测的成本 。 权利要求书2页 说明书6页 附图1页 CN 114998309 A 2022.09.02 CN 114998309 A 1.一种基于无监 督的机械零件表面 缺陷检测方法， 其特 征在于， 该 方法包括以下步骤： 1） 构建无监 督分割网络， 包括初始类别数和损失； 2） 将获取的机 械零件表面图像输入所述无监 督分割网络， 输出初始分割图像； 其中， 所述损失包括第一子损失和第二子损失； 所述第一子损 失： 根据所述初始类别数， 确定初始分割图像的各像素点的多维度分类 向量， 所述多维度分类向量表示像素点在多个维度上 的激活程度， 其中一个维度对应一个 类别； 将像素点的多维度分类 向量中的最大值对应的类别记为像素点的类别标签； 根据所 述激活程度和像素点的类别标签， 得到第一子损失； 所述第二子损 失： 根据机械零件表面图像的边缘梯度信息得到表面边缘图像； 将初始 分割图像中像素点的像素值置为对应的类别标签得到类别分割图像； 根据类别分割图像的 边缘梯度信息得到类别边缘图像； 根据表面边缘图像与类别边缘图像的对应像素点的差值 得到第二子损失； 3） 获取类别分割图像的像素点的所有类别之间的差异程度， 并根据 所述差异程度调整 初始类别数， 得到类别数； 基于类别数以及无监 督分割网络， 得到分割图像； 4） 如此按照步骤2） ‑3） 进行多次类别数的迭代， 直至类别数不变， 得到最优分割图像， 根据最优分割图像得到 机械零件表面 缺陷的检测结果。 2.根据权利要求1所述的一种基于无监督的机械零件表面缺陷检测方法， 其特征在于， 所述第一子损失具体为： 其中， 表示机械零件表面图像尺寸信息， 为维度数， 表示初始分割图像上的 像素点i分类向量上第k维的激活程度， 表示像素点i的类别 标签， 为自定义函 数， 。 3.根据权利要求1所述的一种基于无监督的机械零件表面缺陷检测方法， 其特征在于， 所述第二子损失具体为： 其中， 表示机械零件表面图像尺寸信息， 表示表面边缘图像中像素点i的像素 值， 表示表面 边缘图像中像素点 i的像素值。 4.根据权利要求1所述的一种基于无监督的机械零件表面缺陷检测方法， 其特征在于， 所述差异程度具体为：权　利　要　求　书 1/2 页 2 CN 114998309 A 2其中， 表示类别u和 类别v之间的差异程度， 表示像素点的类别u和类别v的类别 标签集合， 表示集合 内像素点的数量， 表示像素点j第u维度分类向量的 激活程度， 表示像素点j第v维度分类向量的激活程度。 5.根据权利要求1所述的一种基于无监督的机械零件表面缺陷检测方法， 其特征在于， 所述类别数的获取 方法具体为： 获取类别分割图像的像素点的所有类别之间的差异程度， 当两个类别之间的差异程度 小于设定阈值， 将其 合并为一个类别， 得到类别数。 6.根据权利要求1所述的一种基于无监督的机械零件表面缺陷检测方法， 其特征在于， 所述激活程度表示像素点属于一个维度对应 类别的概 率。 7.一种基于无监督的机械零件表面缺陷检测系统， 包括存储器、 处理器以及存储在存 储器上并可在处理器上运行 的计算机程序， 其特征在于， 所述计算机程序被处理器执行时 实现如权利要求1至 6任一项所述基于无监 督的机械零件表面 缺陷检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114998309 A 3