内容简介
本书是国家自然科学基金和辽宁省科技厅计划项目的支持项目，基于语义认知学习来构建有限样本下的金属板表面缺陷检测系统，结合生成学习范式，突破存在于工业智能检测领域的技术瓶颈。本书的主要研究方向包括：研究语义认知的引导学习，提升模型对弱语义的感知力，以实现高质量样本生成；研究语义对抗自适应学习，提升模型对弱语义的判断力，以实现高可信的标签跨域分配；研究语义认知的增强学习，强化弱语义缺陷自身的活化性，以实现准确的缺陷检测。本书顺应工业质检系统的智能化升级需求，立足于助力人工智能技术赋能工业质检系统的产品化落地，为突破工业小样本和弱语义认知的技术瓶颈提供新思路和新途径。
目录
前言
第一章 绪论
一、研究背景与意义
二、研究发展动态分析
三、目前存在的问题及拟采用的解决方法
四、本书的结构及宗旨
参考文献
第二章 基于卷积神经网络的分类与检测网络
一、背景介绍
二、卷积神经网络概述
三、基准卷积神经网络
四、基于CNN的目标检测算法
五、有限样本对于缺陷分类与检测网络的影响
参考文献
第三章 金属表面缺陷检测方法发展现状
一、背景介绍
二、金属表面缺陷检测系统关键硬件
三、金属表面缺陷检测方法分类
四、表面缺陷数据集
五、评价指标
参考文献
第四章 基于跨空间语义认知引导的高质量样本生成研究
一、背景介绍
二、问题分析
三、方法设计
四、可行性实验分析
参考文献
第五章 基于语义对抗自适应的伪标签跨域分配研究
一、背景介绍
二、问题分析
三、方法设计
四、可行性实验分析
参考文献
第六章 基于语义认知增强的弱监督缺陷检测网络
一、背景介绍
二、问题分析
三、方法设计
四、可行性实验分析
参考文献
结语
一、结论
二、展望
前言/序言
金属板材制造产业是我 国的核心产业之一，如今面 临着转型升级的迫切需求。 “十四五”期间，政府大力推 动核心制造产业向数字化、 智能化转型升级，要求产业 结构逐步由中低端向中高端 迈进，以提高制造业产品在 国际市场中的竞争力。产品 质量标准的提升，也势必对 产品质量检测系统有了更高 的要求。因此，如何以人工 智能技术赋能工业质量检测 领域，已成为制约金属板材 制造产业智能优化升级的技 术瓶颈。 与自然领域的标准物品 目标检测不同，工业检测领 域的样本数据获取极其困难 。具体体现在：（1）工业 样本中的缺陷信息标注工作 专业性强，导致训练可用的 有标签样本数量过少，这是 该领域外在的小样本问题； （2）金属缺陷是由微观上 的金相组织发生差异性变化 导致的，这使得这种缺陷的 属性难以用宏观语义进行表 达，即内在的特征弱语义性 问题。正因如此，通用检测 领域的成功范式无法直接迁 移套用，而且完全依赖主观 性强的人工标签，很难获得 良好的泛化性和通用性。 正是在这样的背景下， 本书基于语义认知学习来构 建有限样本下的金属板表面 缺陷检测系统，结合生成学 习范式，从弱语义信息的认 知学习上入手，突破上述存 在于工业智能检测领域的技 术瓶颈。针对该领域中外在 的小样本问题和纹理缺陷内 在的弱语义性问题，本书的 主要研究方向包括：（1） 语义认知的引导学习，提升 模型对弱语义的感知力，以 实现高质量样本生成；（2 ）语义对抗自适应学习，提 升模型对弱语义的判断力， 以实现高可信的标签跨域分 配；（3）语义认知的增强 学习，强化弱语义缺陷自身 的活化性，以实现准确的缺 陷检测。 具体的研究内容如下： （1）建立基于跨空间语 义认知引导的高质量样本生 成模型，利用潜在空间对语 义空间的间接影响，提升生 成模型对弱语义特征信息的 感知能力，以提高样本的生 成质量。 （2）提出基于语义对抗 自适应的伪标签跨域分配方 法，融合对抗学习和域自适 应技术，赋予语义特征跨域 自适应能力，并通过对源域 语义知识的挖掘复用，提高 对弱语义特征的推理判别能 力，以实现高可信度标签的 跨域分配。 （3）构建基于语义认知 增强的弱监督缺陷检测网络 ，在抑制背景噪声特征的同 时增强语义特征的自我认知 ，实现弱语义区域的准确激 活。最后，通过在真实检测 场景下进行检测实验，进一 步验证系统整体的准确性和 可应用性。 本研究顺应工业质检系 统的智能化升级需求，立足 于助力人工智能技术赋能工 业质检系统的产品化落地， 为突破工业小样本和弱语义 认知的技术瓶颈提供新思路 和新途径。 本书的出版得到了国家 自然科学基金（62306186 ）和辽宁省科技厅计划项目 （2023-BSBA-238）的支持 ，再次致以深切的谢意。
