一种基于优化CNN的铜箔表面缺陷检测方法及系统

本发明属于计算机视觉与工业缺陷检测交叉技术领域，具体涉及一种基于优化CNN的铜箔表面缺陷检测方法及系统，方法包括：采集待检测铜箔的表面图像数据，获得原始数据；基于原始数据训练卷积神经网络，获得目标模型；基于目标模型，采用ASMP攻击方法，生成与原始数据等量的对抗样本数据；基于原始数据和对抗样本数据，获得待检测铜箔的表面缺陷检测结果。在铜箔表面缺陷检测领域，相对于现有白盒攻击方法，利用本发明提出的攻击方法ASMP生成的带有较少篡改信息的对抗样本，不仅能够精准地评估所开发的卷积神经网络模型的最小决策边界，而且通过对抗训练能够更为有效地提升模型在具有微弱扰动环境中的性能。