基于生成模型的少样本机器视觉瑕疵检测方法、系统及介质

本申请提供了一种基于生成模型的少样本机器视觉瑕疵检测方法、系统及介质，该方法包括：采集预设数量的真实缺陷样本；基于缺陷特征编码器对真实缺陷样本进行编码处理，提取潜在特征；基于缺陷生成模型对潜在特征进行处理，生成若干个合成缺陷样本；将真实缺陷样本与合成缺陷样本混合，得到联合数据集，基于联合数据集对检测分类器进行训练；获取新输入的测试图像，将新输入的测试图像输入训练完成后的检测分类器进行瑕疵检测与分类，得到分类预测结果；通过引入缺陷生成模型，从少量真实样本中学习潜在特征分布，并生成大量合成缺陷样本，扩大数据集规模，使分类器训练过程中能够更充分地覆盖缺陷分布，提高瑕疵检测精度。