摘要
本发明公开了一种基于特征融合和渐进监督策略的工业缺陷检测方法，该方法包括以下步骤：S1、基于Swin U‑Net架构，采用Swin Transformer网络作为编码器，对输入图像进行多尺度特征提取，增强全局和局部信息的捕获能力。S2、设计PR解码器块，每个解码器块内包含两个Focus模块，通过逐层细化特征并在每个解码阶段进行监督，提升缺陷区域和背景区域的区分能力。Focus模块通过融合深层语义特征、浅层语义特征和分割预测，实现对缺陷区域的精准定位，减少误检和漏检现象。S3、结合逐层细化的特征和编码器的多尺度特征，生成最终的分割结果，提高模型在工业缺陷检测任务中的精度和鲁棒性。S4、在MVTec Anomaly Detection(MVTecAD)数据集上进行训练和测试，结果表明，本发明的PR U‑Net模型在Dice系数、召回率、精确率、F1分数和交并比(IoU)等指标上均优于现有技术，适用于各种工业缺陷检测场景。
