一种基于深度学习高反光金属表面缺陷检测与分类的方法

本发明公开一种基于深度学习高反光金属表面缺陷检测与分类的方法，包括：用高动态范围相机采集目标物体的图像；使用全维度自适应形态学边缘检测与三次多项式拟合亚像素精化算法对所述高动态范围图像进行边缘检测，提取特征；使用灰度共生矩阵对特征进行分析，区分良品、次品；使用小样本关系网络对次品进行分类。该方法能够解决高反光带来的过曝问题，防止缺陷淹没在过曝区域；准确辨识缺陷边缘，抗干扰能力强；快速检测有无缺陷，效率高；在样本数据较少的情况下，仍能保持较高的分类准确率。