基于工业小样本缺陷检测的联邦学习优化方法

本发明公开了基于工业小样本缺陷检测的联邦学习优化方法，该方法在局部训练中，通过提取样本软标签的分布特性，度量全局工业小样本缺陷检测模型与本地工业小样本缺陷检测模型在不同类别上的知识可靠性，进而采用分布特征蒸馏的方法从全局模型中针对性地补充本地模型在特定类别上的薄弱知识，实现对局部知识和非局部知识的协同学习与融合；同时，依据客户端工业小样本缺陷检测模型的知识相对可靠性，合理分配服务端聚合阶段各客户端模型的贡献权重，从而获得一个更具代表性与泛化能力的全局工业小样本缺陷检测模型，提升了全局模型整体预测性能。