摘要
本发明涉及涉及一种基于半监督学习的铜管质量检测方法，包括：S1、获取铜管缺陷图像数据，对所述铜管缺陷图像数据进行预处理，所述预处理至少包括数据标注以及数据增强；S2、构建基于半监督学习的铜管质量模型，使用训练集构建一个基于深度卷积神经网络(CNN)的分类系统，训练集由有标记图像和无标记图像组成，其基于间隔的方法，用于在训练网络时确定每个无标记样本的权重；S3、获取实时铜管图像数据，并将所述实时铜管图像数据输入基于半监督学习的铜管质量模型中，进行铜管缺陷检测；本发明解决了铜管生产良率较高，缺陷图像数据样本不易收集的技术问题，减少了对缺陷图像数据样本的依赖。
