一种基于集成学习的深度学习缺陷图像识别方法及系统

摘要

本发明提供了一种基于集成学习的深度学习缺陷图像识别方法及系统。该方案包括获取所有的缺陷监测图像，生成样本训练集和样本测试集；获取样本训练集通过色彩转换、傅里叶变换、梯度运算和边缘轮廓提取，获得灰度图、频谱图、边缘轮廓图和梯度图，生成第一训练集、第二训练集、第三训练集、第四训练集，并融合生成第五训练集；将第一训练集、第二训练集、第三训练集、第四训练集和第五训练集分别进行深度神经网络训练，生成第一分类器、第二分类器、第三分类器、第四分类器和第五分类器；将所述样本测试集中的图像进行投票，获得目标分类结果。该方案通过多训练集、集成学习方式提高网络模型缺陷识别通用性，实现对多类别缺陷图像识别。