一种基于多注意力机制的工件表面缺陷检测方法

本发明公开一种基于多注意力机制的工件表面缺陷检测方法，包括：获取工业产品瑕疵数据集并对原始数据集中工件表面的各类缺陷进行标注，得到带标注的数据集；以带标注的工件图片作为模型输入、并划分数据集；构建融合多注意力机制的神经网络模型得到网络模型，确定损失函数并利用反向传导方法进行模型训练，得到理想模型；利用上述理想模型对待检测图片进行分类预测和回归预测，得到最终检测结果。通过引入注意力机制自适应地学习输入特征图中不同位置和通道的重要性，并为重要的特征提供更高的权重，以捕捉更有区分度的信息。通过增强卷积神经网络对目标的关注和细节的捕捉能力，从而有效地提升工件表面缺陷检测的准确性及精度。