科创中国

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。

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。

表面缺陷是生产过程质量管控中面临的重要问题，其存在一方面影响着产品的出厂质量造成不必要的经济损失，另一方面也会影响产品服役过程的性能，严重的还会造成重大事故，危害国家和人民财产安全。因此，发展智能化、自动化的表面缺陷识别技术具有十分重要的研究价值和应用前景。

传统的表面缺陷大多采用人工检测为主，检测速度缓慢、稳定性较差，且成本昂贵，难以大面积推广普及。近年来，随着人工智能、工业大数据等技术的飞速发展，以及自动化技术的普通，基于机器视觉的表面缺陷识别逐渐成为当前学术界和工业界关注的技术热点。尤其是以卷积神经网络为代表的深度学习方法，因其良好的缺陷识别效果以及较低的先验知识门槛，成为表面缺陷识别领域的重点发展趋势之一。

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2.0，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。

1.本发明通过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，实现了缺陷图像的空间多尺度特征提取，避免了单一尺度下，小样本缺陷图像特征信息不足的问题，有效缓解了小样本导致的深度学习模型缺陷识别过拟合问题。

2.在缺陷识别模型中采用了自注意力机制模型，并利用Focal loss损失函数对缺陷区域的感知能力，从而在有限样本条件下，提升了模型的缺陷识别效果。

3.采用了加权融合的方式将各层级的输出结果结合相应权重进行融合，一方面避免了传统特征融合方式多个模型同时训练带来的高昂训练成本，另一方面，可以有效提升模型的识别效果，避免了单一尺度下模型的误判。

本专利成果采用技术转让，技术入股，技术合作等成果转化方式，希望进一步实现该专利的有益效果，有兴趣皆可面议。