一种零件表面缺陷检测及工序优化方法与系统

本申请涉及一种零件表面缺陷检测及工序优化方法与系统，解决了缺陷检测本身存在不足，容易出现漏检、误判情况，而且即便检测出缺陷，后续的工序改进也面临巨大挑战的问题，其方法包括：将特征集输入双分支融合深度学习模型，第一分支通过融合三维特征与二维特征识别缺陷类型及量化参数，第二分支通过关联规则挖掘与随机森林算法计算缺陷特征与各工序的关联度；当三维特征与二维特征均满足预设缺陷阈值且某工序关联度超过预设，判定该工序为根源工序；分析根源工序关键参数与缺陷量化参数的偏差值，按偏差程度通过动态调节机制修正参数。本申请具有如下效果：精准检测零件缺陷，溯源工序并动态调参，形成闭环优化，提升零件质量。