面向工业质检图像的自适应聚类联邦学习方法

面向工业质检图像的自适应聚类联邦学习方法，属于工业质检的图像识别模型训练技术领域。不同客户端存在工业质检图像数据异质多样性导致的联邦学习效果差的问题。针对包含多个客户端工业质检系统，本发明基于工业质检系统基于聚类联邦学习实现模型的训练；在聚类联邦学习的过程中，先根据客户端数据量的差异，将客户端初步划分为若干个集群，记为若干个大集群；基于初步划分的若干个大集群，通过计算客户端模型权重的相似度将大集群聚类为小集群；在每轮训练前，根据工业生产环境中客户端设备动态变化的实际情况进行聚类更新；在每轮训练中，根据各集群的检测损失动态调整客户端参与比例，进而完成训练过程。