基于轻量级卷积神经网络和持续学习缺陷检测方法

本发明公开了一种基于轻量级卷积神经网络和持续学习缺陷检测方法，包括：采集瓦楞纸箱图像并进行预处理；构建瓦楞纸箱缺陷检测模型并进行模型训练，模型包括轻量级卷积神经网络模块、特征融合模块和持续学习模块；轻量级卷积神经网络模块基于深度可分离卷积、反向残差块和坐标注意力机制进行特征提取；特征融合模块通过新型的双向加权特征金字塔网络对来自不同层次的特征图进行多尺度提取和跨层融合；持续学习模块通过输入的融合后的特征图，检测新缺陷类型并自动标记新样本，动态更新分类器；基于训练好的瓦楞纸箱缺陷检测模型对待检测瓦楞纸箱图像进行缺陷检测。基于持续学习的自动检测系统，大大提高了瓦楞纸箱生产中的缺陷检测效率。