【技术实现步骤摘要】
本专利技术涉及特征提取，具体而言，涉及一种小样本轴承表面缺陷的局部特征提取方法及系统。
技术介绍
1、轴承作为机械设备中大量使用的一种基础零部件，其质量好坏将严重影响设备运行的稳定性。近年来，随着我国制造业的大力发展，各行业对轴承产品的需求量不断增加，同时对轴承质量的要求也日益提高。尽管我国的机械加工技术已经达到较高的水平，但在轴承批量生产中难免产生一定的损伤。所以轴承在出厂前，必须经过严格的检测工作，确保轴承在出厂后能够正常使用。目前国内的轴承生产厂商基本已实现自动化生产和流水线装配，但是在轴承装配后的表面质量检测仍然依靠人眼目视完成。目前，轴承表面缺陷智能检测算法的研究逐渐受到重视，越来越多深度学习算法开始应用在轴承表面缺陷检测领域。
2、然而，针对轴承表面缺陷智能检测方面，普遍存在样本量小的问题，这会造成特征提取时出现提取精度差且提取不充分的问题，且对于后续分类或识别有严重影响。对于现有小样本图像分类方法中特征提取不足这一现象，为充分获取到类别特征信息，本专利技术通过自相似性描述符来计算全局特征与其相邻局部特征之间的相关性，丰富局部特征信息，增加类别信息量，更有助于提高分类精度。
技术实现思路
1、本专利技术要解决的技术问题是：
2、为了解决普遍存在样本量小的轴承表面缺陷特征提取过程中出现特征提取不足，且提取精度差的问题。
3、本专利技术为解决上述技术问题所采用的技术方案：
4、本专利技术提供了一种小样本轴承表面缺陷的局部特征提
5、s100、通过特征嵌入网络将输入端的图像数据映射到相同的特征空间中，包括经过预处理后的输入端图像通过特征嵌入网络，得到输入支持集和查询集在特征空间中的全局特征表示；所述图像数据为轴承表面缺陷图像数据集；
6、s200、在利用特征嵌入模块提取到输入数据特征的基础上，设计局部特征提取模块进一步提取样本的局部特征；
7、s300、结合全局与局部信息得到融合特征，有助于在小样本图像分类任务下进行不同类别之间的区分。
8、进一步地，在步骤s200中，具体包括，
9、s210、将支持集和查询集经过数据预处理后送入特征嵌入模块，得到输入图像数据的支持集与查询集的全局特征表示矩阵为其中，c表示全局特征通道数，h，w分别为全局特征的高和宽；
10、s220、设计局部特征提取模块，对步骤s210获得的类原型和查询集的全局特征进行处理，得到支持集与查询集的局部特征，用于增强输入数据的特征信息。
11、进一步地，在步骤s220中，包括，
12、s221、设计局部特征提取模块来增强输入数据的特征信息，包括局部特征提取模块对获得的支持集和查询集的全局特征进行处理，在每个通道上通过滑动窗口提取局部特征；设置滑动窗口大小为m×n，在全局特征上依次滑动，在空间维度上每个像素点均得到其周围m×n大小的局部块，故在同一通道上c个局部块，每个大小均为m×n，一个像素点得到的局部特征块为所有通道上关于每个像素点提取到的局部特征共同组成邻域特征矩阵其中，c表示通道数，h、w分别表示全局特征的高和宽，m、n分别为滑动窗口的宽和高；
13、s222、对全局特征g进行处理，升维后大小为使其维度与邻域特征矩阵d一致；
14、s223、将升维后的全局特征g中每个像素点与由每个像素点周围局部特征块组成的邻域特征矩阵d进行哈达玛乘积计算，得到特征相关矩阵r，某个像素点的计算过程如式(1)所示，全局特征g与领域特征矩阵d的计算公式如式(2)：
15、r(x)＝g(x)☉d(x) (1)
16、r＝g☉d (2)
17、其中，g(x)∈g，大小为1*1，x表示全局特征g中的某个像素点，x∈[1,h]×[1,w]；d(x)∈d,大小为m×n，表示在像素点x周围的局部特征块；点乘表示哈达玛乘积，r(x)∈r,大小为m×n，表示该像素点与其周围特征的相关性；所有维度上像素点g与邻域特征矩阵d的哈达玛乘积共同组成最终的相关矩阵r，且
18、s224、设计四层卷积神经网络对相关矩阵r进行特征提取，得到支持集与查询集的局部特征。
19、进一步地，在步骤s300中，包括，结合全局与局部信息得到融合特征，如公式(3)和公式(4)所示；
20、
21、
22、其中，s表示支持集的全局特征和局部特征组合后得到的融合特征，q表示查询集的全局特征和局部特征组合后得到的融合特征；gs表示特征嵌入网络输出支持集的全局特征；gq表示特征嵌入网络输出查询集的全局特征；ls表示特征嵌入网络输出支持集局部图特征；lq表示特征嵌入网络输出查询集的局部特征。
23、进一步地，所述轴承表面缺陷图像数据集为公开数据集mini-imagenet，数据集预处理为把输入数据大小统一resize到84*84的大小。
24、进一步地，所述轴承表面缺陷图像数据集包括具有凹槽、红锈、擦伤、刻痕、合格、氧化皮和点蚀的轴承图像。
25、进一步地，所述特征嵌入网络为conv64结构，包括4个卷积块；每个卷积块均包括一个激活函数层、一个批处理归一化层和一个卷积层。
26、本专利技术一种小样本轴承表面缺陷的局部特征提取系统，该系统具有与上述步骤对应的程序模块，运行时执行上述的小样本轴承表面缺陷的局部特征提取方法中的步骤。
27、本专利技术一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现小样本轴承表面缺陷的局部特征提取方法的步骤。
28、相较于现有技术，本专利技术的有益效果是：
29、本专利技术一种小样本轴承表面缺陷的局部特征提取方法及系统，局部特征提取的设计是在全局特征的基础上进一步提取到局部特征信息，对该特征进行更加详细的特征表示。对比现有的小样本图像分类方法，在公开数据集和自制轴承缺陷数据集上均取得一定程度的提升。同时，本专利技术首次应用小样本学习方法解决轴承表面缺陷分类任务，解决了少样本轴承表面缺陷分类这一具有挑战性的任务，克服了有限的数据可用性，为数据稀缺或难以获取的分类任务提供了创新方法。
本文档来自技高网...【技术保护点】
1.一种小样本轴承表面缺陷的局部特征提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：在步骤S200中，具体包括，
3.根据权利要求2所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：在步骤S220中，包括，
4.根据权利要求3所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：在步骤S300中，包括，结合全局与局部信息得到融合特征，如公式(3)和公式(4)所示；
5.根据权利要求1所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：所述轴承表面缺陷图像数据集为公开数据集mini-Imagenet，数据集预处理为把输入数据大小统一resize到84*84的大小。
6.根据权利要求5所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：所述轴承表面缺陷图像数据集包括具有凹槽、红锈、擦伤、刻痕、合格、氧化皮和点蚀的轴承图像。
7.根据权利要求1所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：所述特征嵌入网
8.一种小样本轴承表面缺陷的局部特征提取系统，其特征在于：该系统具有与上述权利要求1-7任一项权利要求的步骤对应的程序模块，运行时执行上述的小样本轴承表面缺陷的局部特征提取方法中的步骤。
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求1-7中任一项所述的小样本轴承表面缺陷的局部特征提取方法的步骤。
...【技术特征摘要】
1.一种小样本轴承表面缺陷的局部特征提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：在步骤s200中，具体包括，
3.根据权利要求2所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：在步骤s220中，包括，
4.根据权利要求3所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：在步骤s300中，包括，结合全局与局部信息得到融合特征，如公式(3)和公式(4)所示；
5.根据权利要求1所述的一种小样本轴承表面缺陷的局部特征提取方法，其特征在于：所述轴承表面缺陷图像数据集为公开数据集mini-imagenet，数据集预处理为把输入数据大小统一resize到84*84的大小。
6.根据权利要求5所述的一种...
【专利技术属性】
技术研发人员：苍岩，张轩上，李春广，邹瑞凯，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。