基于深度主动学习的工业产品表面缺陷检测方法及系统

摘要

本发明提出了一种基于深度主动学习的工业产品表面缺陷检测方法，解决现有运用卷积神经网络检测缺陷时，浪费人力时间大量标注数据的问题，方法包括：利用图像采集器采集工业产品表面图像样本；通过迁移学习获取卷积神经网络模型作为工业产品表面缺陷检测的训练模型，保留卷积神经网络模型的各层参数作为训练模型的初始参数；初始化训练模型，得到神经网络参数W后，将已标注训练样本集L中的样本清空；通过主动学习选择未标注数据集U中的样本进行标注，对训练模型进行训练调节；对工业产品表面进行缺陷检测。本发明提出了一种基于深度主动学习的工业产品表面缺陷检测系统，提高工业产品表面缺陷检测效率。