摘要
本发明公开了一种工业产品表面缺陷检测方法及系统,涉及缺陷检测领域,包括获取工业表面检测开源数据集以及工业产品表面图像数据集,并确定工业表面检测开源数据集中对应标签匹配的锚框,获取带有锚框的工业表面检测开源数据集;构建改进型卷积神经网络;将原卷积神经网络与视觉转换VIT算法相结合,以获取工业产品的全局缺陷特征信息以及局部缺陷特征信息,并将原卷积神经网络的损失函数替换为代价敏感的损失函数;基于带有锚框的工业表面检测开源数据集以及工业产品表面图像数据集,对改进型卷积神经网络进行训练,获得用于工业产品表面缺陷检测的工业表面缺陷检测模型。
技术关键词
工业产品表面缺陷
改进型卷积神经网络
表面图像数据
表面缺陷检测
引入注意力机制
标签
多级特征融合
上采样方法
边缘检测算法
生成对抗网络
深度学习模型
视觉
图像增强
样本
聚类
采样率
系统为您推荐了相关专利信息
表面缺陷检测装置
激光位移传感器
磁阻传感器
调节丝杆
移动板
表面缺陷检测机
硫化锌
支撑座
管道机器人
微型空压机
元素
FastText算法
自然语言
业务流程建模方法
文本
模型构建方法
更新模型参数
二维快速傅里叶变换
训练集数据
气象预报技术