一种基于迁移学习的注塑制品表面图像缺陷识别方法

摘要

本发明公开了一种基于迁移学习的注塑制品表面图像缺陷识别方法。非注塑制品表面缺陷图像作为源域数据集，注塑制品表面缺陷图像作为目标域数据集，对源域数据集进行缺陷类别标注，对所有图像进行域信息标注，建立CNN模型，将两个数据集输入CNN模型中进行训练，CNN模型通过若干卷积层提取得到样本的第一特征图再通过全连接层输出预测缺陷分类结果；建立迁移学习模型，构造迁移损失函数，根据迁移损失函数将源域数据集作为知识迁移到CNN模型，优化迭代得到目标CNN模型；采集带有表面缺陷的注塑制品图像，将注塑制品图像输入到目标CNN模型中进行测试得到预测缺陷分类结果。本发明识别的准确率高，解决了注塑制品表面缺陷识别的样本缺乏问题。