一种基于深度学习的工业自动表面缺陷检测方法

摘要

本发明提供了一种基于深度学习的工业自动表面缺陷检测方法，属于产品缺陷检测技术领域，用于工业产品的表面缺陷情况进行自动检测，其特征在于，包括如下步骤：步骤S1，采集所述工业产品的表面图像，并对所述表面图片进行预处理得到表面缺陷图像；步骤S2，对表面缺陷图像中的缺陷进行标注得到标注文件，以表面缺陷图像以及对应的标注文件作为表面缺陷数据集；步骤S3，根据表面缺陷数据集对RetinaNet锚点进行优化，得到适配于表面缺陷数据集的优化RetinaNet锚点；步骤S4，根据优化RetinaNet锚点建立RetinaNet深度学习模型作为表面缺陷检测模型；步骤S5，将表面缺陷数据集分为训练集以及测试集，将训练集输入表面缺陷检测模型进行训练，得到训练完成的表面缺陷检测模型。