基于深度卷积神经网络的化成箔外观缺陷的分类方法

本发明提供基于深度卷积神经网络的化成箔外观缺陷的分类方法，涉及外观缺陷的分类方法技术领域，包括获取多张化成箔图片数据集，对图片数据集进行预处理，对预处理后的图片数据集分别进行独热码标注，构成训练数据集的样本；构建混合检测模型，定义每个样本的损失函数，采用自适应法调节损失函数的权重参数；将预处理后的测试集样本输入到训练好的混合检测模型中，输出分类概率和严重度评分因子。将灰度化、标准化图像进行通道增强，强化了模型对细微缺陷的边缘敏感度，结合ResNet50主干网络与空间注意力机制，动态聚焦缺陷区域并生成加权特征池化因子，实现了端到端的缺陷分类与严重度分级。