基于异域数据联邦学习的金属板表面划痕检测

由于真实工业场景下的部分工业缺陷太少，导致深度学习应用在表面缺陷检测困难。针对金属板材表面缺陷检测的真实工业环境中所存在的小样本问题，本文提出了异域数据联邦检测模型，采用轻量级网络MobileNet-YOLOv3，有效利用不同领域的划痕数据，分场景训练检测模型。实验结果表明，通过异域数据结合训练的检测模型拥有一个很好的划痕检测效果，金属板训练的本地模型的mAP为94.95%，比传统数据增广方法训练模型mAP高5%，比YOLOv3的推理速度减少44.8%。