基于深度学习的钢表面缺陷检测方法综述

摘要：

加工而成的钢材表面可能会存在一定的缺陷,对钢材的外观和质量造成严重的影响,这些缺陷可以通过多种方法来完成分类和分割.传统检测方法精度不高且效率低下,采用基于深度学习的钢表面缺陷检测方法可有效提高检测性能.文章总结了近年来诸多学者提出的基于深度学习的缺陷分类和分割方法,介绍了这些算法的特点以及基于这些算法得到的改进算法,并对各类算法进行了比较,得出各种算法的优缺点.最后,总结了现阶段基于深度学习的缺陷检测技术存在的问题,并对未来的发展进行了展望.

关键词：缺陷检测、深度学习、目标检测、卷积神经网络、缺陷分类

所属期刊栏目：7

分类号：TP391(计算技术、计算机技术)

资助基金：南京工程学院大学生科技创新基金项目;榆林市产学研项目

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：107-112