一种基于深度学习的金属表面缺陷检测方法

本发明公开了一种基于深度学习的金属表面缺陷检测方法，涉及金属表面缺陷检测领域，该方法基于改进的U‑Net模型，通过多种创新技术提高了缺陷检测的准确性和鲁棒性。其主要步骤包括：S1、数据采集；S2、数据预处理；S3、模型创新设计；S4、模型训练与评估；S5、缺陷检测。实验结果表明，所提出的模型在缺陷检测精度、IoU和F1分数等评估指标上优于现有的U‑Net、U‑Net 3+、TransUNet和VM‑U‑Net模型。该方法可广泛应用于金属表面缺陷分割任务。