基于深度学习的法兰表面缺陷检测方法

本发明公开了一种基于深度学习的法兰表面缺陷检测方法，包含如下步骤：获取图像，并对图像进行预处理；利用Yolov8实例分割模型对预处理后的图像进行处理，识别和定位图像的缺陷区域；获得缺陷检测结果，生成检测报告。本发明利用Yolov8深度学习模型，实现法兰表面缺陷的实时检测，大幅提升检测效率；开发和优化模型推理算法，并使用多个相同模型并行推理的方式，进一步提升处理速度和系统稳定性；基于Yolov8实例分割模型，结合高精度蓝色环光和同轴光的组合光源，去除法兰金花纹路干扰，以及高精度崩缺宽度计算方法，精确识别和定位各种类型的表面缺陷，减少漏检和误检；全流程自动化，从图像采集到缺陷检测和结果输出，无需人工干预，降低人力成本。