■所属领域：高端装备与先进制造

■项目来源：中山大学

■转让方式：技术转让、技术许可（授权）

■项目简介：本发明公开了一种基于度量学习的解决难分不平衡样本的表面缺陷检测方法，所述方法包括以下步骤：对目标图像进行特征提取网络生成高维特征；将特征提取网络提取到的特征添加到自适应特征内存，根据特征偏移值调整特征内存大小并记录内存大小的改变历史，在每个迭代中，将特征内存大小的改变历史均值作为获取旧特征数量的参考值；在上一步获取到充分的对比样本对后，同时计算欧氏距离和余弦距离的双相似性度量来度量不同样本的特征相似性。使用前k难单中心聚类的三元组损失，每次迭代中充分挖掘训练批次中的困难样本，解决多分类任务的不平衡样本。提出的方法在不引入任何计算量的情况下，提高了模型的预测精度，并且优于最新方法。