【技术实现步骤摘要】
本专利技术涉及工业检测，尤其是涉及一种缺陷检测模型动态优化方法及装置、介质、设备。
技术介绍
1、在工业生产和制造过程中，缺陷检测是一项至关重要的任务，其效率和精确度直接影响产品质量和生产成本。随着工业智能制造的推进，利用先进的人工智能技术对工业系统进行优化已成为趋势。传统的缺陷检测方法主要依赖于人工检查或基于简单算法的检测系统，这些方式往往存在检测速度慢、精度低、稳定性差等问题，难以满足现代工业生产的高标准和高效率要求。
2、近年来，深度学习技术，特别是基于卷积神经网络的视觉模型，在图像识别和缺陷检测领域取得了显著的进展。视觉模型通过提取图像的层次特征，能够实现高精度的检测和分类。然而，视觉模型通常具有较高的计算复杂度和资源消耗，在资源受限的边缘设备上运行时，常常面临性能瓶颈。
技术实现思路
1、针对以上至少一个技术问题，本专利技术实施例提供一种缺陷检测模型动态优化方法及装置、介质、设备。
2、根据第一方面，本专利技术实施例提供的缺陷检测模型动态优化方法由服务器执...
【技术保护点】
1.一种缺陷检测模型动态优化方法，其特征在于，所述方法由服务器执行，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于自注意力机制对所述多种采集数据进行多模态融合处理，得到融合特征数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于差分隐私和数据加密技术将每一个边缘设备对应的第一缺陷检测模型下发至该边缘设备之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述边缘设备还用于：获取自身的当前任务需求和计算能力，若所述计算能力低于所述当前任务需求，则对部署在自身上的第一缺陷检测模型进行量化级别...
【技术特征摘要】
1.一种缺陷检测模型动态优化方法，其特征在于，所述方法由服务器执行，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于自注意力机制对所述多种采集数据进行多模态融合处理，得到融合特征数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于差分隐私和数据加密技术将每一个边缘设备对应的第一缺陷检测模型下发至该边缘设备之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述边缘设备还用于：获取自身的当前任务需求和计算能力，若所述计算能力低于所述当前任务需求，则对部署在自身上的第一缺陷检测模型进行量化级别的调整，调整量化级别后的第一缺陷检测模型的内存需求和计算复杂度降低。
5.根据权利要求1所述的方法，其特征在于，所述基于差分隐私和数据加密技术将每一个边缘设备对应的第一缺陷检测模型下发至该边...
【专利技术属性】
技术研发人员：张文龙，武少通，唐巧明，杨欣雨，
申请(专利权)人：浪潮通信信息系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。