少量缺陷样本情形下医疗针管刻度质量检测技术研究

来源：计算机测量与控制杂志2024年第7期北京时间：

作者：严菲,黄海燕,谢致尧,王晓栋

单位：厦门理工学院 计算机与信息工程学院

摘要：针对医疗针管刻度缺陷检测存在样本收集难且缺陷种类不确定的问题，提出一种少量缺陷样本情形下的医疗针管刻度质量检测方法。利用真实生产线上采集的大量正常样本，训练深度刻度分割模型，通过以针管像素分块为单位构建拉普拉斯矩阵来挖掘针管刻度间相关性，并利用模糊C均值进行无监督缺陷检测。实验结果表明，针管刻度质量检测方法可100%检测出所有缺陷样本，对提高医疗针管生产质量具有一定理论和实践应用价值。

关键词：缺陷检测;模糊聚类;图像分割;深度学习;机器学习

基金资助：国家自然(U1805264), 福建省自然科学(2021J011186, 2023J011428), 厦门市科技计划项目 (3502Z20227073), 福建省教育中青年项目(JAT200486), 福厦泉自创区协同专项(3502ZCQT2021009)