基于深度学习的工业缺陷检测系统及方法

1. 一种基于深度学习的工业缺陷检测方法，其特征在于包括以下步骤：S1，采集工业产品表面图像并进行预处理；S2，将预处理后的图像输入轻量化卷积神经网络进行特征提取；S3，通过注意力机制模块对特征进行加权处理；S4，利用多尺度特征融合模块融合不同层级特征；S5，输出缺陷分类结果与位置信息。

2. 根据权利要求1所述的方法，其特征在于，所述轻量化卷积神经网络采用深度可分离卷积替代标准卷积，在保持检测精度的同时将模型参数量减少60%。

3. 根据权利要求1所述的方法，其特征在于，所述注意力机制模块包括通道注意力和空间注意力双分支结构，分别对特征的通道维度和空间维度进行加权。

4. 一种基于深度学习的工业缺陷检测系统，包括图像采集模块、预处理模块、检测模型模块和结果输出模块，其特征在于所述检测模型模块实现权利要求1-3任一所述的方法。