基于机器视觉的表面缺陷检测方法研究进展

扫码查看

原文链接

万方数据
维普

中文摘要：在半导体、PCB、汽车装配、液晶屏、3C、光伏电池、纺织等行业中,产品外观与产品性能有着千丝万缕的联系.表面缺陷检测是阻止残次品流入市场的重要手段.利用机器视觉的技术进行检测效率高、成本低,是未来发展的主要方向.本文综述了近十年来基于机器视觉的表面缺陷检测方法的研究进展.首先给出了缺陷的定义、分类以及缺陷检测的一般步骤;然后重点阐述了使用传统图像处理方式、机器学习、深度学习进行缺陷检测的原理,并比较和分析了优缺点,其中传统图像处理方式分为分割与特征提取两个部分,机器学习包含无监督学习和有监督学习两大类,深度学习主要囊括了检测、分割及分类的大部分主流网络;随后介绍了 30种工业缺陷数据集以及性能评价指标;最后指出缺陷检测方法目前存在的问题,对进一步的工作进行了展望.

外文标题：Research progress of surface defect detection methods based on machine vision

作者：

赵朗月、吴一全

展开 >

作者单位：

南京航空航天大学电子信息工程学院南京 211106

关键词：

缺陷检测机器视觉机器学习深度学习数据集性能评价指标

基金：

项目编号：

61573183

出版年：

2022

DOI：

10.19650/j.cnki.cjsi.J2108805

仪器仪表学报

中国仪器仪表学会

仪器仪表学报

CSTPCDCSCD北大核心

影响因子：2.372

ISSN：0254-3087

年,卷(期)：2022.43(1)

被引量49
参考文献量34