仪器仪表学报

作者：赵朗月，吴一全

单位：赵朗月,1.南京航空航天大学电子信息工程学院,,吴一全,1.南京航空航天大学电子信息工程学院,

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：国家自然科学基金（61573183）项目资助

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。

来源：2022年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第1期