一种基于深度对比学习的缺陷检测方法

本发明公开了一种基于深度对比学习的缺陷检测方法，涉及计算机视觉技术领域，包括，获取工业工件的原始图像数据，并进行归一化、去噪、裁剪及尺寸调整，形成标准化图像数据；将标准化图像数据输入到基于Transformer的深度对比学习模型中，输出工件图像的全局特征向量；将优化后的正负样本对输入到元学习单元中，通过元学习机制对深度对比学习模型进行快速适应训练；将经过训练的对比学习模型应用于实时缺陷检测中，对新输入的工件图像进行缺陷判断，输出工件的缺陷检测结果。本发明提升了缺陷检测的准确性，同时大幅降低了训练时间和数据需求，显著改善了现有技术在小样本环境中的局限性。