一种基于机器视觉的铝型材表面缺陷检测方法

本发明属于深度学习技术领域，具体涉及一种基于机器视觉的铝型材表面缺陷检测方法，包括以下步骤：对公开数据集进行优化并制作出所需的缺陷检测数据集，再进行图像滤波处理，数据增强处理，数据归一化处理；提出一种针对背景干扰排除和优化特征提取的改进模型；该模型以SE(缺陷像素的正确率)、SP(背景像素的正确率)和IOU(交并比)作为本发明的分割性能评价指标；单独对铝型材区域分割网络和缺陷分割网络进行训练，最后对决策网络进行训练；通过搭建的实验平台对本发明所提出的改进型分割决策网络模型分割准确率、分类精确度等指标进行评估。此方法基本能够解决铝型材表面缺陷检测的问题，提高铝型材产品表面质量。