一种少量训练样本训练的金属缺陷识别方法

本发明公开一种少量训练样本训练的金属缺陷识别方法，该方法的数据集通过Labelme标注软件完成标注,并利用随机频域滤波进行数据增强；加入基于多层次特征交互提取的小波卷积M‑WTConv模块；加入基于频域分析和动态频带选择与动态频率感知的窗口化交叉注意力DM‑FAM模块；加入语义增强跨模态融合模块SECF以改进YOLOv10中检测头的特征表示能力；两阶段渐进式训练改进后的神经网络以完成金属缺陷识别。该方法有效增强了对于高反光与少量样本场景下金属表面缺陷的目标检测能力，对少量样本情形下的金属缺陷检测识别任务有更高的鲁棒性、识别率和准确率。