一种基于深度学习的轻量级竹片缺陷检测方法及装置

本发明涉及一种基于深度学习的轻量级竹片缺陷检测方法及装置，包括以下：获取生产线上当前区域的竹片表面原始图像；对所述竹片表面原始图像进行图像预处理得到处理后图像；将处理后图像输入预训练的缺陷检测模型进行实时检测预测缺陷概率，得到预测结果；通过上位机显示预测结果，即当前区域存在缺陷的概率、类型以及位置。本发明在基础模型上替换特征提取网络，基于分组和多尺度卷积提出LMC，基于共享卷积思想提出SCHead检测头。最后利用通道剪枝进一步压缩模型大小并提高FPS。能够解决竹片纹理与裂纹缺陷相似与导致的检测精度较低以及深度学习模型难以在边缘设备上部署的问题。