文献类型：期刊文章

作　　者：程锦锋[1,2] 方贵盛[2] 高惠芳[1]

Cheng Jinfeng;Fang Guisheng;Gao Huifang(School of Electronic Information,Hangzhou Dianzi University,Hangzhou 310018,China;College of Mechanical&Automotive Enginee-ring,Zhejiang University of Water Resources&Electric Power,Hangzhou 310018,China)

机构地区：[1]杭州电子科技大学电子信息学院,杭州310018 [2]浙江水利水电学院机械与汽车工程学院,杭州310018

出　　处：《计算机应用研究》

基　　金：浙江省科技厅公益技术研究项目(LGG21F030005)。

年　　份：2023

卷　　号：40

期　　号：4

起止页码：967-977

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：物体表面缺陷检测技术是工业质检领域的一项重大课题,对工业生产有着重要的意义。针对近些年基于机器视觉的表面缺陷检测技术进行梳理总结。首先,列举了几种缺陷检测在工业领域的应用场景;其次从特征提取和分类算法的角度简要阐述了传统的机器视觉方法;重点探讨了缺陷检测中常用的经典神经网络结构和缺陷检测算法的最新发展,并介绍了两种常用的缺陷检测算法优化方式;最后,分析了缺陷检测领域面临的三大挑战:实时性问题、小样本问题和小目标问题,目的是为工业表面缺陷检测的研究提供有益的参考和脉络梳理。

关 键 词：缺陷检测  机器视觉 深度学习  表面缺陷  TRANSFORMER

分 类 号：TP391.41]