摘要
本发明涉及净水器外表面缺陷检测技术领域，提出一种基于深度学习的净水器外表面缺陷检测方法，包括：构建包括传统图像与光学图像的净水器外表面多模态缺陷数据集；基于净水器外表面多模态缺陷数据集构建缺陷检测模型；将净水器外表面多模态缺陷数据集中的传统图像输入至高精度缺陷分类模型进行训练，输出传统图像特征；将净水器外表面多模态缺陷数据集中的光学图像训练集输入至抗干扰光学缺陷检测模型进行训练，输出光学图像特征；将传统图像特征与光学图像特征输入至多模态感知网络，得到训练后的缺陷检测模型；使用验证集对训练后的缺陷检测模型进行评估，获得验证后的缺陷检测模型；利用验证后的缺陷检测模型对净水器外表面缺陷进行检测。
