广义阱神经网络

小样本缺陷分割

通过模板-测试比较学习，无需大量正样本即可实现对光通信器件表面缺陷的精准分割，并对新批次具有良好泛化能力。

Niu, Tongzhi · Zhiyu, Xie · 张杰 · Lixin, Tang · 李斌 · Wang, Hao

Computers in Industry 2023

技术优势

无需大量缺陷样本

通过模板与测试样本的比较来检测缺陷，避免了直接学习样本表征对大量正样本的依赖。

能适应新批次

通过收集模板，模型可以泛化到新批次的产品，无需重新训练。

能抑制背景噪声

双注意力机制提取无噪声的缺陷特征，循环残差注意力机制生成空间掩码屏蔽噪声，实现多尺度特征融合。

应用场景

• 工业质检：用少量模板即可对新产品进行缺陷分割，降低质检对大量标注样本的依赖。
• 柔性制造系统：适应小批量多变的生产批次，无需为每个新批次重新训练模型。
• 光通信器件制造：解决光通信器件表面缺陷检测中样本不足和批次差异问题。