基于轻量级神经网络的表面缺陷检测方法

本发明公开了一种基于轻量级神经网络的表面缺陷检测方法，其旨在结合传统神经网络与Transformer架构优势，提升检测性能并节省计算资源，其构建表面缺陷训练集并搭建轻量级神经网络，该网络由特征提取模块、通道归一化模块、全局上下文模块、上下文协同模块、非对称增强模块和基础模块组成，特征提取模块利用EfficientNet‑B0骨干网络和CAViT块逐层提取特征，通道归一化模块对特征图进行归一化处理，全局上下文模块增强全局信息，上下文协同模块融合局部与全局信息，非对称增强模块同步增强全局与局部信息，基础模块输出最终显著性目标图像；通过多轮训练得到模型后，对测试图像进行预测，生成显著性目标图像；本发明可高效检测表面缺陷，适用于资源受限场景。