一种基于机器学习的富勒烯薄膜缺陷检测方法及采集系统

一种基于机器学习的富勒烯薄膜缺陷检测方法及采集系统，属于机器视觉。解决传统人工检测效率低、精度不高的问题。获取待检富勒烯薄膜的原始图像并构建增强数据集；利用增强数据集训练强鲁棒性网络模型后，将待检测富勒烯薄膜图片输入模型中，识别出薄膜的缺陷精确位置。通过收集并标注富勒烯薄膜图像数据集，进行数据增强处理，构建改进UNet网络模型，并结合EfficientNet骨干网络、通道压缩激励网络模块以及BCE和Dice损失函数进行优化。利用训练好的模型对待检测富勒烯薄膜图像进行缺陷检测，输出缺陷检测结果图片。具有检测精度高、速度快、泛化能力强等优点，适用于复杂工业生产环境下的富勒烯薄膜缺陷检测任务。