一种基于合成缺陷与深度学习的纤维金属层板缺陷检测方法

本发明公开了一种基于合成缺陷与深度学习的纤维金属层板缺陷检测方法，包括以下步骤：S1，采集纤维金属层板正常样本的红外热波图像，并对红外热波图像进行预处理；S2，在预处理后的图像上，通过几何建模生成规则形状的缺陷区域，模拟得到合成缺陷图像；S3，采用有限差分法模拟缺陷区域的温度分布特征；S4，对合成缺陷图像进行数据增强处理；S5，采用增强处理后的图像对构建的深度卷积神经网络模型进行缺陷分类训练，保存最佳网络模型；S6，将得到的最佳网络模型部署到红外检测系统的嵌入式处理单元，实现缺陷识别。本发明能降低对真实缺陷数据的依赖，提升小样本条件下的缺陷识别精度，可应用于纤维金属层板的缺陷检测。