本发明涉及一种基于深度学习的特种金属瑕疵检测系统，包括以下步骤：1)获取特种金属图片数据集作为原始数据集；2)对特种金属图片数据集进行数据增强；3)根据增强后的数据集对Mask RCNN模型进行训练；4)将待检测的图片输入训练好的Mask RCNN模型中，输出检测过后的图片。与现有技术相比，本发明具有降低数据采集成本和人工检测成本，简化检测过程，提高工作效率等优点。
上海交通大学
李一人 | 程帆