基于深度学习图像分割的铺粉缺陷检测方法

本发明涉及一种基于深度学习图像分割的铺粉缺陷检测方法。上述铺粉缺陷检测方法通过对标注训练集的图像数据进行数据增强，扩充训练样本，从有限的原始数据中生成更多的样本，增加数据的多样性，解决数据量不足的问题，提升图像分割网络模型的泛化性。通过搭建初级图像分割模型、多轮模型训练、训练效果验证评估，以得到轻量级深度学习的最终图像分割网络模型，利用该最终图像分割网络模型可有效检测出铺粉过程中出现的铺粉不足、细小缺陷(翘曲)、细长缺陷(刮刀刮痕)等缺陷，且整个过程无需因场景变化而进行手动实时调整参数，操作简便，降低了误检率。上述基于深度学习的铺粉缺陷检测方法的使用，有效提高了铺粉缺陷检测的可靠性及准确性。