基于机器视觉的表面缺陷检测方法研究进展
(0)
收藏在半导体、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…展开v
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
43
TP391;TH89(计算技术、计算机技术)
国家自然科学基金61573183
2022-10-08（万方平台首次上网日期，不代表论文的发表时间）
共22页
198-219
