一种基于深度学习的表面缺陷检测方法

本发明提供一种基于深度学习的表面缺陷检测方法，包括步骤1：数据集的建立；步骤2：模型建立与改进；步骤3：基于条件扩散重建的无监督缺陷检测算法；步骤4：设计表面缺陷检测软硬件系统，验证系统性能。本发明将改进的C2F模块应用于YOLOv8主干特征提取网络，加快模型收敛的同时又减少了该模块的参数量，还增加了丰富的梯度流信息，提升了模型的整体性能；引入无需降维的跨空间学习的高效多尺度注意力机制(EMA)，通过自学习空间上的信息分布，增强网络特征提取的能力；采用统一的注意力机制的目标检测头(DyHead)通过尺度感知、空间感知和任务感知显著提高了检测头的表征能力，大幅提高了检测结果。