基于特征空间的无监督换向器表面缺陷检测

董泽宇，叶 芸，姚剑敏，2，严 群，2，李德财，林坚普

（1.福州大学 物理与信息工程学院，福建 福州 350108；2.博感电子科技有限公司，福建 晋江 362200；3.福州大学 先进制造学院，福建 晋江 362200）

0 引 言

换向器是电机的关键部件，在电机运作时起到转换电流方向、维持线圈持续转动的作用。然而，实际生产中会不可避免地产出表面带有缺陷的换向器，这不仅会影响器件的使用寿命和质量，严重情况下还会造成生产事故。准确检测表面缺陷，是换向器制造过程中非常关键的环节。传统方法利用人工检测，效率低下且成本高。近年来，借助深度学习实现工业产品缺陷检测的技术得到了广泛研究。宋念龙等人[1]利用大量原始缺陷图像训练了一个深度卷积神经网络用于涂布缺陷检测。刘畅等人[2]通过改进U-net模型实现对磁瓦表面缺陷的检测。上述方法都采用有监督学习方式，训练网络时需要大量带标注的缺陷数据。然而实际生产中，由于缺陷产品数量稀少且样式繁多，导致缺陷数据收集困难，同时人工标注成本高且易引入人为偏差。因此，无需标注、仅利用正常数据开展检测的无监督缺陷检测方法[3]越来越受到关注。

无监督缺陷检测方法可分为基于图像空间的方法[4]和基于特征空间的方法[5]两类。基于图像空间的方法对测试样本进行无缺陷重构，对比重构图像与原图像的差异来检测缺陷。基于特征空间的方法将图像映射到特征空间，对比正常图像的特征分布与测试图像的特征间的差距实现缺陷检测。……