基于Swin Transformer模型的工业装配场景低数据依赖缺陷检测方法

本发明涉及计算机视觉技术领域，解决了传统方法无法实现在低数据资源情况下快速迁移并识别缺陷的技术问题，尤其涉及一种基于Swin Transformer模型的工业装配场景低数据依赖缺陷检测方法，包括：获取工业装配场景中包含正常样本和缺陷样本的缺陷检测大数据集，并根据点位信息将缺陷检测大数据集划分为若干个子数据集；使用缺陷检测大数据集对Swin Transformer网络模型进行预训练得到缺陷检测模型；使用新场景下的部分标签数据对缺陷检测模型进行微调。本发明在新场景下仅需少量数据对缺陷检测模型进行微调即可达到良好的缺陷检测效果，从而降低了新工业装配场景下训练数据的依赖，实现了在低数据资源情况下快速迁移并对缺陷进行识别。