基于神经批采样的轮胎X光图像异常检测研究

轮胎缺陷检测对轮胎定级有重要参考意义，研究高性能的轮胎异常检测方法尤为重要。本文以强化学习算法为基础，提出一个以损失值异常变化作为判断异常特征的图像自动分类算法。该方法首先通过大量的正向样本输入来降低数据在经过梯度更新之后的损失值，从而与少量异常样本输入时的损失值形成明显差异，再引入神经批采样器，放大异常样本与正向样本之间的损失轮廓差异并为空间变分编码器提供训练批次，然后将训练结果作为异常分类器的输入，最后完成异常检测的分类与定位工作，经过对比研究发现本文提出的异常检测算法在轮胎缺陷样本集上性能明显优于其他传统图像异常检测方法。