一种少样本场景下的航空发动机叶片缺陷检测方法

本发明属于计算机视觉与工业检测技术领域，具体公开了一种少样本场景下的航空发动机叶片缺陷检测方法。该方法包括数据增强、图像下采样、特征学习、模型训练与模型推理五大步骤。其中，数据增强包括缺陷区域提取、图形自适应调整与缺陷样本合成三个子步骤；图像下采样包括波基自适应选择与小波变换下采样两个子步骤；特征学习包括加权特征融合和距离损失归一化两个子步骤。本发明深入分析实际工业场景中的视觉检测方法的实现难点，提出完整的面向样本稀缺问题的航空发动机叶片缺陷检测方法。该方法适用于叶片生产过程中的自动化缺陷检测，可显著提升叶片质量检测的精度与效率，降低人工复检成本，有望进一步提升生产过程中的自动化、数字化水平，提升生产效率。