因果推理引导的复杂花纹织物缺陷视觉检测深度学习方法

AI视觉质量检测是两化融合的先导场景,是复杂产品质量管控的重要手段.本文以复杂花纹织物为对象,提出因果推理引导的产品缺陷视觉检测深度学习方法,从而解决复杂背景干扰下的视觉检测难题.首先,构建复杂背景干扰下的缺陷检测结构因果模型,并提出阻断背景特征干扰的因果干预策略.其次,在因果干预策略的基础上建立缺陷特征敏感性神经网络(defect feature-sensitive neural network, DFSNN),包括两个特征提取模块(分别以同视角的无缺陷、有缺陷面料图像作为输入).然后,提出了因果关系敏感性学习模块,其差分两个特征提取模块的输出,并通过最大化输出差分来构建因果敏感损失函数,从而实现训练过程中对背景特征的阻断和对缺陷特征的敏感性学习.实验结果表明, DFSNN可有效减弱背景图案的混淆干扰,保持95%的缺陷识别准确率.