基于缺陷专注和边缘权重损失的表面缺陷检测方法

专利主权项内容

1.基于缺陷专注和边缘权重损失的表面缺陷检测方法，其特征是，包括步骤如下：S1. 划分数据集：将缺陷检测数据划分为对照集、训练集和测试集；S2. 构建记忆库核心子集：将对照集的所有样本输入特征提取网络获取多层特征，使用中间层的特征构建特征记忆库，使用聚类算法将记忆库分成多个簇，并保存所有簇中心作为核心子集用来代替整个记忆库，得到记忆库核心子集；S3.将训练样本输入到特征提取网络提取多层特征，将提取的中间层特征采用最近邻算法与对应记忆库核心子集对比得到缺陷先验图，将缺陷先验图与和其对应的提取特征像素级相乘得到增强后的特征；将增强后的特征输入到可变形注意力中生成校正后的增强特征，对校正后的增强特征与提取的非中间层特征采用邻近特征融合，获得融合后特征图；S4.分别计算校正后的增强特征图与融合后特征图的边缘权重损失，加和计算总损失，根据总损失训练除特征提取网络外的网络；S5.将测试集样本输入到训练好的模型中，通过特征提取网络提取多层特征，利用步骤S2生成的记忆库核心子集按照步骤S3所述的方法计算中间层的特征对应的缺陷先验图，再获得增强后的特征，将增强后的特征输入到可变形注意力中生成校正后的增强特征，对校正后的增强特征与测试集样本提取的非中间层特征采用邻近特征融合，将获得的融合后特征图上采样、降低通道、归一化得到最终的预测图。