一种基于联邦迁移学习的工业缺陷分类方法

本发明公开了一种基于联邦迁移学习的工业缺陷分类方法，属于联邦学习及工业缺陷分类技术领域，包括数据准备，训练客户端在本地收集和预处理工业生产过程中产生的缺陷数据，进行数据处理；本地模型训练，训练客户端通过高低双通道多头注意力机制模块对步骤S1处理后的数据进行输入训练，直至本地模型收敛；模型更新与上传；模型权重计算与聚合；模型部署与推断，目标客户端接收服务端发送的全局模型，用于待测数据进行工业缺陷分类。本发明采用上述一种基于联邦迁移学习的工业缺陷分类方法，在保护隐私和处理多源域小样本类别不平衡的缺陷分类任务方面展现出强大迁移泛化性能，为在数据集稀少和需要增强隐私保护的场景下实现缺陷分类提供了新思路。