文献类型：期刊文章

作　　者：陶显[1] 侯伟[1,2] 徐德[1,2]

TAO Xian;HOU Wei;XU De(Research Center of Precision Sensing and Control,Institute of Automation,Chinese Academy of Sciences,Beijing 100190;School of Artificial Intelligence,University of Chinese Academy of Sciences,Beijing 101408)

机构地区：[1]中国科学院自动化研究所精密感知与控制研究中心,北京100190 [2]中国科学院大学人工智能学院,北京101408

出　　处：《自动化学报》

基　　金：国家自然科学基金(61703399,61703398,61973302,61673383)资助。

年　　份：2021

卷　　号：47

期　　号：5

起止页码：1017-1034

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：近年来,基于深度学习的表面缺陷检测技术广泛应用在各种工业场景中.本文对近年来基于深度学习的表面缺陷检测方法进行了梳理,根据数据标签的不同将其分为全监督学习模型方法、无监督学习模型方法和其他方法三大类,并对各种典型方法进一步细分归类和对比分析,总结了每种方法的优缺点和应用场景.本文探讨了表面缺陷检测中三个关键问题,介绍了工业表面缺陷常用数据集.最后,对表面缺陷检测的未来发展趋势进行了展望.

关 键 词：深度学习  表面缺陷检测 机器视觉 卷积神经网络

分 类 号：TP391.41] TP18[计算机类]