基于证据融合的神经辐射场可信孪生建模方法及存储介质

本发明的一种基于证据融合的神经辐射场可信孪生建模方法及存储介质，包括获取多视角图像数据；构建基于证据深度学习的神经辐射场模型，通过正态逆伽马分布对空间点的体密度、颜色及其不确定性进行建模；采用数据不确定性的加权损失函数训练模型；在训练过程中通过自适应重采样策略增加高不确定性区域的采样密度，提升渲染质量；将训练完成的模型应用于缺陷样本测试数据集；通过模型生成三维重建图像及不确定性量化图，对缺陷区域进行可信度评估，结合渲染图像与不确定性量化图生成最终检测结果。本发明通过引入证据深度学习和神经辐射场的融合方法，实现产品表面缺陷检测的高精度、可信度高的样本增补工作，能够提升可靠性和鲁棒性。