一种基于算力感知的两阶段金属表面缺陷检测方法

本发明提出了一种基于算力感知的两阶段金属表面缺陷检测方法，该方法级联改进的U‑Net与YOLOv8，主要用于金属表面缺陷检测，旨在解决现有技术在小目标缺陷检测中存在的精度低、计算资源利用率不足，以及在复杂环境下检测效率与准确性难以平衡的问题。此方法的运行流程为：首先利用YOLOv8模型对目标开展粗检测。随后，根据粗检测结果的置信度和设备的当前算力，设计自适应高‑低置信度阈值机制，依据该机制对粗检测结果进行分级。实验结果显示，本发明显著提高了小目标缺陷样本的检测精度，优化了计算资源的分配，有效平衡了检测效率与准确性，能够很好地适用于复杂工业检测环境。