一种基于深度学习的工业零件表面缺陷检测方法

摘要

本发明公开一种基于深度学习的工业零件表面缺陷检测方法，首先利用VGG16网络作为骨干网络将局部特征进行聚集；然后利用多尺度特征融合和注意力机制模块先提取多尺度特征进行叠加，再利用注意力机制获取更多关键的细节信息，后融合网络不同深度的不同层级特征；最后输出特征图进行识别，以判别表面缺陷的类别，进而可以分析各类缺陷产生的原因，降低产品的不良率，提升整体的质量。相较于现有的检测方法，该方法具有较高的精度且泛化能力强，而且在小样本的数据集下也能达到一个较高的准确率。