工业产品表面缺陷的生成式数据增强方法、系统、设备和介质

本发明公开了工业产品表面缺陷的生成式数据增强方法、系统、设备和介质，涉及工业质检领域的深度学习与计算机视觉技术领域，包括收集原始工业产品图像数据，构建划痕图像数据集；基于预处理后的划痕图像数据集，构建基于U‑Net架构的扩散模型，采用Adam优化器对模型参数进行优化；采用反向采样机制生成高保真度的划痕图像，生成图像保存至指定目录；基于图像融合技术，拼合生成的残次品图像与真实残次品图像，构建全新的残次品图像；本发明所述方法有效解决了工业划痕检测中真实缺陷样本稀缺、数据增强效率低等问题，显著提升了检测模型的识别准确率和泛化能力，实现了划痕等缺陷在不同产品载体上的智能迁移。