基于无监督学习的自动化缺陷检测系统及方法

本发明公开了一种基于无监督学习的自动化缺陷检测系统及方法，属于自动化检测技术领域。该方法包括：S1、采集数据，包括图像数据、温湿度数据和振动数据；S2、对采集的数据进行预处理和特征提取；S3、采用已训练的YOLOv4模型和Faster R‑CNN模型对提取的特征数据进行缺陷检测，得到缺陷的类型和位置；S4、根据检测出的缺陷类型和位置进行相应的执行和/或反馈操作；步骤S3中先用YOLOv4模型对图像进行快速扫描生成大量候选框；再将候选框输入Faster R‑CNN模型中进一步筛选出高质量候选区域并进行精细分类和边界框回归；再将两个模型的结果融合得到最终的检测结果。本发明可以洞察传统算法难以捕捉的细微缺陷，显著提升检测的准确性与可靠性。