特异小样本工业产品表面缺陷检测方法研究

摘要

基于机器视觉的工业产品表面缺陷检测设备和系统大量应用在工业制造领域，目前其难点在于工业检测数据的采集，由于训练样本缺失导致深度学习网络模型无法有效训练.为解决上述问题，首先，提出一种基于不规则掩码的伤痕样本生成算法，改善了钢板表面缺陷检测任务中特异小样本数据集正负样本不均衡的情况；然后，在YOLOv8主干网络引入MHSA多头自注意力，提高对钢板表面缺陷的关注度；最后，使用SIoU替换原损失函数，增强网络模型的定位能力，提高检测的准确性.基于热轧钢板表面缺陷检测问题的实验结果表明，该方法能够有效解决特异小样本工业探伤的具体问题.

关键词

深度学习 / 目标检测 / YOLOv8 / 注意力机制 / 数据增强 / 特异小样