成果介绍
本发明提供了一种小样本产品表面缺陷识别方法及系统,其利用图像金字塔实现提取小样本缺陷图像的空间多尺度特征,并利用多个自注意力机制深度学习模型实现特征的抽象化表达,利用加权融合的方式将最终的识别结果进行融合,从而避免单一尺度下小样本信息不足所导致的模型过拟合问题,提升小样本缺陷图像的识别效果,确保产品表面缺陷检测的正常进行。
成果亮点
本发明属于神经网络缺陷识别相关技术领域,其公开了一种小样本产品表面缺陷识别方法及系统,包括以下步骤:(1)基于图像金字塔构建小样本缺陷图像的空间多尺度特征提取器;(2)针对每个层级单独构建基于自注意力机制深度学习的缺陷识别模型;(3)将提取到的缺陷空间多尺度特征图分别输入到对应的缺陷识别模型,根据对应的缺陷类别标记进行训练;(4)将待测产品的缺陷图像输入到空间多尺度特征提取器,进而将提取到的缺陷空间多尺度特征图输入到对应的缺陷识别模型中,并将每个缺陷识别模型输出的结果进行加权融合,以得到缺陷图像对应的缺陷类别。本发明缓解了小样本导致的深度学习模型缺陷识别过拟合问题。
团队介绍
华中科技大学(Huazhong University of Science and Technology),简称华中大、华科大 ,位于湖北省武汉市,是中华人民共和国教育部直属的综合性研究型全国重点大学、位列国家“双一流”“985工程”“211工程”、入选“强基计划”“111计划”、卓越工程师教育培养计划、卓越医生教育培养计划、国家大学生创新性实验计划、国家级大学生创新创业训练计划、国家建设高水平大学公派研究生项目、国家级新工科研究与实践项目、基础学科拔尖学生培养计划***,是学位授权自主审核单位、全国深化创新创业教育改革示范高校、一流网络安全学院建设示范项目高校、中国政府奖学金来华留学生接收院校、教育部来华留学示范基地,为中欧工程教育平台成员和医学“双一流”建设联盟 、国际应用科技开发协作网 、全球能源互联网大学联盟成员。
成果资料
产业化落地方案