基于深度学习的铝合金表面缺陷检测方法

本发明涉及图像处理技术领域，更具体地，本发明涉及基于深度学习的铝合金表面缺陷检测方法，该方法包括，采集每类铝合金图像人为标记缺陷，获取每类铝合金图像的每类缺陷的突出程度，根据所述突出程度以及每类铝合金图像中非缺陷区域特征与缺陷区域的区分程度，获取每个每类缺陷铝合金图像的区分度，根据所述区分度，获取每个每类缺陷铝合金图像的伽马值对图像进行增强，得到增强后的铝合金图像，使用增强后的铝合金图像训练目标检测模型，将最新采集的铝合金图像输入训练好的目标检测模型中，识别各个缺陷以及其缺陷类型，本发明增加了缺陷样本的数量使得目标检测模型学习到更丰富的缺陷特征，提高了后续缺陷检测的准确性。