一种基于灰度联产熵增的成形制件浅表缺陷检测方法

本发明公开了一种基于灰度联产熵增的成形制件浅表缺陷检测方法。包括以下步骤：首先，针对获得的成形制件浅表缺陷图进行预处理，形成源域样本数据集，再由其构建训练集和验证集；接着，构建机器学习与先验知识结合的主副双通道的异化神经网络，并利用训练和验证集进行训练，获得成形制件浅表缺陷检测分类器；最后，用其检测实际采集的成形制件浅表缺陷图。本发明提出了双通道双接口交互的异化神经网络，灰度联产熵增方法增强了对极相似缺陷特征的提取与整合能力，能够在保证分类器模型复杂度不增、检测速度不减的情况下，提高现有深度学习策略下工业成形制件浅表缺陷锚框分类精度，有效缓解小样本精度不高的难题。