基于机器学习的机械零件质量检测方法及系统

本发明涉及机械零件检测技术领域，公开了一种基于机器学习的机械零件质量检测方法及系统，获取零件的多角度图像，采用自适应中值滤波算法对图像进行去噪处理，运用Retinex算法对图像进行增强处理；根据零件在去噪和增强处理后图像中的位置，裁剪掉背景区域，将裁剪后的图像归一化处理，构建训练数据集、验证数据集和测试数据集；构建基于卷积神经网络的机械零件瑕疵识别模型，其中所述卷积神经网络以ResNet‑50为基础网络，增加注意力机制模块，使用训练数据集对模型进行训练；将待检测机械零件图像经预处理后输入至训练好的机械零件瑕疵识别模型中，判定零件是否存在瑕疵及瑕疵类型；本发明实现了机械零件质量的快速检测，提高了检测效率。