一种基于特征冗余损失的非对称自监督熔池缺陷识别方法及相关系统

本发明提供了一种基于特征冗余损失的非对称自监督熔池缺陷识别方法及相关系统，属于工业质量监测与缺陷识别领域。通过对无标签熔池数据集进行视图增强策略，增强模型学习不变和区分特征的能力；引入自监督学习网络架构，从熔池图像的增强视图中提取低维表示；引入特征冗余损失作为目标损失函数，最大限度地减少这些向量的分量之间的冗余，增大各分量表示的独立性，进而解除分量表示相互之间的耦合，保证网络学习的正确收敛。该方法能够学习多种无标签熔池图像的不变特征知识，充分利用全部有用信息，实现基于对熔池缺陷状态的识别，并能输出指示性强和精度高的单个熔池图像健康状态评价。