基于深度学习小样本缺陷识别方法技术

本发明专利技术公开了一种基于深度学习小样本缺陷识别方法，包括：小样本数据增强：利用数字图像处理方法和生成对抗网络两种方法进行数据增强；将增强后的数据输入到迁移深度学习模型特征提取器中，并训练新的分类结构得到迁移深度学习模型集合；将测试数据输入到迁移深度学习模型中，并利用Voting模型融合方式进行模型融合，遵循少数服从多数原则进行投票，这样就得到缺陷识别结果；本发明专利技术利用深度学习模型融合思想和相结合，将深度学习模型DAGAN作用于数据增强，仅仅需要少量样本就能将其用于深度学习识别模型中，且能够拥有更高的准确率。且能够拥有更高的准确率。且能够拥有更高的准确率。

【技术实现步骤摘要】
基于深度学习小样本缺陷识别方法


[0001]本专利技术涉及工业木材表面缺陷检测
，特别是一种基于深度学习小样本缺陷识别方法。

技术介绍

[0002]在木材工业中，各类木材被广泛应用于生活中。然而，在木材加工生产过程中，锯材表面由于生长环境，气候条件、运输加工过程中的差异导致的裂痕、虫眼空洞、结节、褐变和腐烂等缺陷。这些缺陷将会使木材产品的质量受到严重影响，且产生木材资源的浪费，高效的缺陷识别技术是保障木材加工成品质量的重要环节之一。
[0003]目前大部分国内木材生产仍采用人工抽样方式进行缺陷检测，凭借肉眼观察主观判断来完成。该方法依赖于先验知识，主观性较强，准确性和规范性缺失且效率低。基于数字图像处理的缺陷识别，以来形态学处理等方式来进行识别，但传统的数字图像处理方法不能进行批量处理，难以作用于木材工业。基于深度学习的木材表面缺陷识别，需要大量的图像数据集并进行手工标注，这需要耗费大量的人力和耗时，否则识别率不会很高。

技术实现思路

[0004]为解决现有技术中存在的问题，本专利技术的目的是提供一种基于深度学习小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习小样本缺陷识别方法，其特征在于，包括以下步骤：步骤1、小样本数据增强：利用数字图像处理方法和生成对抗网络两种方法进行数据增强；步骤2、将步骤1中的增强后的数据输入到迁移深度学习模型特征提取器中，并训练新的分类结构得到迁移深度学习模型集合；步骤3、将测试数据输入到迁移深度学习模型中，并利用Voting模型融合方式进行模型融合，遵循少数服从多数原则进行投票，这样就得到缺陷识别结果。2.根据权利要求1所述的基于深度学习小样本缺陷识别方法，其特征在于，步骤1中，利用数字图像处理方法进行数据增强具体包括：仿射变换、镜像翻转、随机旋转、随机颜色变换、边缘增强、颜色反转、添加随机噪声和亮度增强。3.根据权利要求1或2所述的基于深度学习小样本缺陷识别方法...

【专利技术属性】
技术研发人员：王萍，岳永胜，李波，
申请(专利权)人：四川启睿克科技有限公司，
类型：发明
国别省市：