一种基于深度学习的工业表面缺陷检测方法及系统

本发明公开了一种基于深度学习的工业表面缺陷检测方法及系统，构建基于CNN‑Transformer的自适应轴压缩网络AASFormer；基于CNN‑Transformer的自适应轴压缩网络AASFormer包括自适应轴压缩注意力机制AASA、边缘增强反向注意力机制EERA和轻量级多尺度特征融合解码器LMFFD三个核心组件，分别用于提取全局和局部特征信息、增强边缘清晰度和实现高效特征融合。通过训练好的基于CNN‑Transformer的自适应轴压缩网络AASFormer对待检测工业表面缺陷进行检测，得到检测结果。本发明不仅能够分检测精度高，而且实时性强。