技術(shù)特征：

1.一種基于公平聯(lián)邦學(xué)習(xí)的表面缺陷檢測方法，其特征在于：包括下述步驟：

2.根據(jù)權(quán)利要求1所述的一種基于公平聯(lián)邦學(xué)習(xí)的表面缺陷檢測方法，其特征在于：所述步驟s4中，中心端根據(jù)工廠子端資源配置信息和局部檢測模型對全局檢測模型的效用影響進行貢獻度評估，包括以下步驟：

3.根據(jù)權(quán)利要求1所述的一種基于公平聯(lián)邦學(xué)習(xí)的表面缺陷檢測方法，其特征在于：所述步驟s5中，中心端根據(jù)貢獻度將局部檢測模型聚合得到全局檢測模型，從公平性的角度出發(fā)，全局檢測模型應(yīng)該偏向?qū)θ謾z測模型貢獻度高的一方，因此本發(fā)明對全局更新階段的損失函數(shù)進行優(yōu)化，如下式所示：

4.根據(jù)權(quán)利要求1所述的一種基于公平聯(lián)邦學(xué)習(xí)的表面缺陷檢測方法，其特征在于：所述步驟s6中，工廠子端結(jié)合全局檢測模型和局部檢測模型自適應(yīng)生成個性化模型，在本發(fā)明中，目標(biāo)是找到全局檢測模型和局部檢測模型的最優(yōu)組合，以實現(xiàn)更優(yōu)的個性化模型，因此，假設(shè)工廠子端k在全局更新第t輪次的自適應(yīng)權(quán)重為則工廠子端k在第t輪次的個性化模型的聚合過程如下式所示：

5.根據(jù)權(quán)利要求1所述的一種基于公平聯(lián)邦學(xué)習(xí)的表面缺陷檢測方法，其特征在于：所述步驟s8中，中心端根據(jù)模型貢獻、模型收益和報酬貢獻對報酬收益進行動態(tài)優(yōu)化；

技術(shù)總結(jié)
本發(fā)明公開了一種基于公平聯(lián)邦學(xué)習(xí)的表面缺陷檢測方法，包括以下步驟：S1.所有工廠子端對生產(chǎn)數(shù)據(jù)進行采集；S2.工廠子端通過卷積神經(jīng)網(wǎng)絡(luò)生成局部檢測模型；S3.工廠子端將局部檢測模型參數(shù)和本地資源配置上傳至中心端；S4.中心端根據(jù)工廠子端資源配置信息和局部檢測模型對全局檢測模型的效用影響進行貢獻度評估；S5.中心端根據(jù)貢獻度將局部檢測模型聚合得到全局檢測模型；S6.工廠子端結(jié)合全局檢測模型和局部檢測模型自適應(yīng)生成個性化模型；S7.工廠子端上傳個性化模型和自適應(yīng)權(quán)重；S8.中心端根據(jù)模型貢獻、模型收益和報酬貢獻對報酬收益進行動態(tài)優(yōu)化。

技術(shù)研發(fā)人員：季海鵬,關(guān)德康,劉晶,王旭,趙佳,呂華
受保護的技術(shù)使用者：河北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21