典型文献
基于机器视觉的表面缺陷检测方法研究进展
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
赵朗月;吴一全
作者机构：
南京航空航天大学电子信息工程学院 南京 211106
文献出处：
引用格式：
[1]赵朗月;吴一全-.基于机器视觉的表面缺陷检测方法研究进展)[J].仪器仪表学报,2022(01):198-219
A类：
B类：
机器视觉,表面缺陷检测,缺陷检测方法,PCB,汽车装配,液晶屏,3C,光伏电池,纺织,产品外观,产品性能,千丝万缕,残次品,品流,入市,检测效率,主要方向,无监督学习,有监督学习,两大类,囊括,流网,工业缺陷,缺陷数据,性能评价指标,出缺
AB值：
0.322871
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
