一种基于ResNet深度学习模型的钢材表面缺陷检测方法、系统及机器人

本发明公开了一种基于ResNet深度学习模型的钢材表面缺陷检测方法、系统及机器人，系统包括：获取钢材表面缺陷数据集并进行预处理；构建ResNet深度学习模型并初始化；利用所述钢材表面缺陷数据集对初始化后的所述ResNet深度学习模型进行训练；将待测的钢材表面缺陷数据集输入通过训练的所述ResNet深度学习模型，完成钢材表面缺陷检测。本发明通过该模型可以有效地解决传统卷积神经网络在钢材表面缺陷识别中准确率不高、识别时间长的问题。这一模型更贴合实际钢材生产的情景，能够显著提高工业生产效率。