基于机器学习的彩涂板表面缺陷识别方法及系统

本发明公开了基于机器学习的彩涂板表面缺陷识别方法及系统，涉及缺陷识别技术领域。该基于机器学习的彩涂板表面缺陷识别方法及系统，通过采集彩涂板表面图像和电化学数据，提取相关特征，确定融合权重并融合特征向量，再利用强化学习训练的CNN‑LSTM混合预测模型进行识别，实现了图像与电化学特征的融合分析，借助机器学习和强化学习提升了缺陷识别的准确性和模型泛化能力，能更全面、精准地识别彩涂板表面缺陷，为生产质量控制提供有效依据，可解决传统识别方法难以综合利用多源数据、识别准确率低、无法动态适应复杂缺陷场景的问题。