一种基于深度学习算法的精密铸件缺陷智能识别方法

本发明公开了一种基于深度学习算法的精密铸件缺陷智能识别方法，具体涉及工业检测技术领域，本发明采集历史精密铸件的多源异构数据，进行预处理，并分别提取图像特征向量、工艺特征向量和结构特征向量，再通过动态权重特征融合，得到缺陷智能识别的融合特征向量，接着输入到智能识别模型中进行训练；最后将实时采集到的精密铸件新样本多源异构数据集合输入到训练好的缺陷智能识别模型中，输出缺陷识别结果；本发明通过引入注意力机制和多尺度特征融合模块的改进深度学习模型，能够更加准确地提取精密铸件缺陷数据中的关键特征，有效提高对复杂背景下微小缺陷的检测能力，提高了检测准确率。