(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 202210692297.7 (22)申请日 2022.06.17 (71)申请人 广东工业大 学 地址 510000 广东省广州市越秀区东 风路 729号 (72)发明人 林行　陈新度　吴磊　 (74)专利代理 机构 广州专理知识产权代理事务 所(普通合伙) 44493 专利代理师 沈素芹 (51)Int.Cl. G06V 10/25(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) (54)发明名称 一种基于改进域对抗神经网络的瓷砖缺陷 检测方法及系统 (57)摘要 本发明涉及一种基于改进域对抗神经网络 的瓷砖缺陷检测方法， 包括以下： 获取瓷砖样本 图片， 将大量瓷砖样本图片及其缺陷标签作为源 域数据， 将剩余的小样本无标注的瓷砖样本图片 作为目标域； 将ResNet 50网络模型在I mageNet公 共数据集上进行预训练， 保存特征提取器的网络 参数； 基于原DANN网络构造领域对抗网络， 得到 基于改进域对抗神经网络模型； 获取待检测瓷砖 图片； 将待检测瓷砖图片输入所述基于改进域对 抗神经网络模型， 输出缺陷检测结果。 本发明解 决了训练网络模 型需要大量样 本的问题， 且目标 域无需标注， 减少了劳动成本。 训练之后的网络 可检测其他不同类型瓷砖的缺陷， 更具有泛化性 和鲁棒性。 权利要求书2页 说明书6页 附图2页 CN 115100391 A 2022.09.23 CN 115100391 A 1.一种基于改进域对抗神经网络的瓷砖 缺陷检测方法， 其特 征在于， 包括以下： 获取瓷砖样本 图片， 将大量瓷砖样本 图片及其缺陷标签作为源域数据， 将剩余的小样 本无标注的瓷砖样本图片作为目标域； 将ResNet50网络模型在ImageNet公共数据 集上进行预训练， 保存特征提取器的网络参 数； 基于原DAN N网络构造领域对抗网络， 得到基于改进域对抗神经网络模型； 获取待检测瓷砖图片； 将待检测瓷砖图片输入所述基于改进域对抗神经网络模型， 输出缺陷检测结果。 2.根据权利要求1所述的一种基于改进域对抗神经网络的瓷砖缺陷检测方法， 其特征 在于， 具体的， 原DAN N网络的结构， 包括， 特征提取器、 标签预测器以及域分类器三个部分， 在特征提取器和域分类器之间有一 个梯度反转层； 其中特征提取器Gf用于提取源域图像和目标域图像 的特征信息； 标签预测 器Gy和域分类器Gd将特征处理器提取的信息进行筛选， 其中标签预测器用于提取缺陷标签 的特征， 用于瓷砖缺陷类别的分类， 而域分类器用于提取源域和目标域之间相似的特征信 息， 即相同缺陷的特征用于迁移学习， 最终的参数优化决策为最小化标签预测器的损失函 数， 最大化 域分类器的损失函数， 可表示 为： 其中Ly表示标签预测器损 失， Ld表示域分类器损失， yi为源域类别标签， di为领域的标 签， 源域数据标记为di＝0， 目标域数据标记为di＝1。 3.根据权利要求2所述的一种基于改进域对抗神经网络的瓷砖缺陷检测方法， 其特征 在于， 具体的， 基于原DANN网络构造领域对抗网络， 得到基于 改进域对抗神经网络模型， 包 括， 在域分类器前加入瓶颈层， 所述瓶颈层由一层全连接层以及ReLU激活函数构成， 用于 减少计算 量， 加快网络收敛； 在特征提取器后加入MMD指标， 所述MMD指标用于度量源域和目标域的距离， 能够表示 为， 其中， φ()是映射， 表示用于把原变量映射到再生核希尔伯特 空间, 为源域样本的 特征， 为目标域样本的特 征， m， n分别表示源域和目标域的样本数据量； 构造的领域对抗网络的训练目标为， 第一步骤， 通过最小化分类损失来优化分类器Gy的参数θy， 对于特征提取器， 通过最小 化MMD层损失和标签预测器损失来优化Gf的参数θf: 权　利　要　求　书 1/2 页 2 CN 115100391 A 2第二步骤， 通过最大化领域判别器Gd的损失来优化 其参数θd: 两个步骤交替进行， 直到网络收敛， 为了实现网络的对抗策略， 引入一种梯度反转层 GRL， 实现参数的反向传播， 当 网络处于前向传播时， GRL是一个恒等映射， 当反向传播时， 梯 度乘以一个负单位， 将梯度反转， 从而实现领域判别器的损失最大化， 基于上述过程可以总结 出构造的领域对抗网络的目标函数为： 其中Ly表示标签预测器损失， Lmmd表示MMD度量的领域损失， Ld表示域分类器损失， yi为 源域类别标签， di为领域的标签， 源域数据标记为di＝0， 目标域数据标记为di＝1。 4.一种基于改进域对抗神经网络的瓷砖 缺陷检测装置， 其特 征在于， 包括： 样本图片获取模块， 用于获取瓷砖样本 图片， 将大量瓷砖样本 图片及其缺陷标签作为 源域数据， 将剩余的小样本无 标注的瓷砖样本图片作为目标域； 预训练模块， 用于将ResNet50网络模型在ImageNet公共数据集上进行预训练， 保存特 征提取器的网络参数； 检测模型建立模块， 用于基于原DANN网络构造领域对抗网络， 得到基于改进域对抗神 经网络模型； 检测图片获取模块， 用于获取待检测瓷砖图片； 检测结果输出模块， 用于将待检测 瓷砖图片输入所述基于改进域对抗神经网络模型， 输出缺陷检测结果。 5.一种计算机可读存储的介质， 所述计算机可读存储的介质存储有计算机程序， 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 ‑3中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115100391 A 3