一种基于自适应去偏的半监督工业缺陷检测方法

本发明提供一种基于自适应去偏的半监督工业缺陷检测方法，涉及机器学习技术领域，包括：对缺陷图像进行数据增强，建立半监督缺陷检测师生网络；使用弱增强的有标签数据训练教师模型；将弱增强的无标签数据输入训练好的教师模型，生成伪标签；通过高斯混合模型动态生成两个阈值，用于筛选不同可靠程度的伪标签；将弱增强的有标签数据和强增强的无标签数据输入学生模型，学生模型对有标签数据计算损失，根据无标签数据的伪标签可靠程度分别计算不同类型的损失；根据损失更新学生模型；通过动态指数平均方法动态更新教师模型的参数；达到预设迭代次数，得到缺陷检测模型，检测缺陷图像。本发明检测结果不偏向于某些类，实现对多种缺陷的准确识别。