文献类型：期刊文章

作　　者：李少波[1,2,3] 杨静[1,3] 王铮[1] 朱书德[1] 杨观赐[2]

LI Shao-Bo;YANG Jing;WANG Zheng;ZHU Shu-De;YANG Guan-Ci(School of Mechanical Engineering,Guizhou University,Guiyang 550025;Key Laboratory of Advanced Manufactur-ing Technology of Ministry of Education,Guizhou University,Guiyang 550025;State Key Laboratory of Public Big Data,Guizhou University,Guiyang 550025)

机构地区：[1]贵州大学机械工程学院,贵阳550025 [2]贵州大学现代制造技术教育部重点实验室,贵阳550025 [3]贵州大学省部共建公共大数据重点实验室,贵阳550025

出　　处：《自动化学报》

基　　金：国家自然科学基金(51475097,91746116);工信部资助项目(工信部联装[2016]213号);贵州省科技计划项目(黔科合人才[2015]4011;黔科合平台人才[2016]5103);黔教合协同创新字[2015]02;贵州省研究生创新基金(黔教合YJSCXJH[2018]052)资助。

年　　份：2020

卷　　号：46

期　　号：11

起止页码：2319-2336

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为满足智能制造企业对产品质量检测的需求,服务制造企业生产管理,对缺陷检测技术的研究现状、典型方法和应用进行梳理.首先总结了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的优缺点;对比分析了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉检测的主流缺陷检测技术和基于深度学习的缺陷检测技术的研究现状;然后,梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用;最后,对缺陷检测技术的研究情况进行了总结和展望,指出该研究领域亟需解决的问题和未来发展的方向,并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV(International Conference on Computer Vision)和CVPR(International Conference on Computer Vision and Pattern Recognition)等知名国际会议上相关论文的核心思想和源代码,为缺陷检测技术的进一步发展提供理论和应用上的借鉴与参考.

关 键 词：缺陷检测  缺陷分类  故障预测 深度学习  

分 类 号：F273.2[工商管理类] TP391.41] TG115.28] TP18[计算机类]