简介： 本发明公开了一种半监督深度学习缺陷检测方法，将训练样本数据按有无标签分类；初始化学生卷积神经网络Fs(m)的权重参数m；初始化教师卷积神经网络参数Ft(m)＝Copy(Fs(m))，教师卷积神经网络和参数均从学生卷积神经网络复制；获得了学生卷积神经网络Fs(m)和教师卷积神经网络Ft(m)以及始化权重参数后，对学生卷积神经网络和教师卷积神经网络进行训练；获得经过训练的网络可用学生卷积神经网络进行缺陷检测工作，将需要被检测的数据输入学生卷积神经网络，学生卷积神经网络预测其有无缺陷或者属于哪一类缺陷。本发明基于半监督深度学习架构Fixmatch和平均教师模型的缺陷检测方法，需要少量标签数据即可实现高精度的工业产品表面缺陷自动检测。