摘要
本发明提供的一种基于元学习的连铸铸坯缺陷分类方法、系统及设备,包括:步骤1,分别对获取得到的公开图像分类数据集和含有缺陷的连铸铸坯图像进行预处理;步骤2,将预处理后的公开的图像分类数据集通过元学习任务分配随机形成元任务,并输入至预设的图像元学习分类模型,得到训练后的图像元学习分类模型;步骤3:将预处理后的含有缺陷的连铸铸坯图像通过元学习任务分配形成元任务,利用得到的元任务对训练后的图像元学习分类模型进行微调;步骤4,利用最终的图像元学习分类模型对待处理的连铸铸坯缺陷进行分类;本发明不仅能有效解决传统缺陷检测方法中对大量标注数据的依赖问题,还能提高模型在少样本条件下的分类能力。
技术关键词
缺陷分类方法
分支单元
相似性度量函数
图像
多尺度特征融合
特征提取器
归一化模块
可读存储介质
缺陷分类系统
分类模型构建
非线性
采样模块
融合特征
缺陷检测方法
编码器
数据
计算机
处理器
系统为您推荐了相关专利信息
视觉特征提取
图像检测模型
样本
图像检测方法
重构
二维图像矩阵
动力
仿生推进器
卷积神经网络模型
数据