基于视觉感知的表面缺陷检测综述.pdfVIP

第29卷第1期计算机集成制造系统Vol.29No.1

2023年1月ComputerIntegratedManufacturingSystemsJan.2023

DOI：10.13196/j.cims.2023.01.015

基于视觉感知的表面缺陷检测综述

苏虎1,张家斌，张博豪1,邹伟1*

（1•中国科学院自动化研究所，北京100190；

2.中国科学院大学人工智能学院，北京100049）

摘要:基于视觉感知的表面缺陷检测，具有高效、可防止二次损伤等优点，被广泛应用于各种工业场景中。

近年来深度学习技术的快速发展进一步推动了视觉缺陷检测的进步与应用。以特征的显式提取与自动提取为思

路，对基于视觉感知的缺陷检测方法进行综述和分析。首先,简要描述了视觉缺陷检测系统的基本构成，将缺陷检

测中的视觉感知归为分类、目标检测和分割3个层次。然后,将现有的视觉检测方法分为基于显式特征提取的（传

统方法）和基于自动特征提取的（深度学习方法）。进一步，将基于显式特征提取的方法分为统计法、谱方法和模型

法3类，将基于自动特征提取的方法分为整图分类的、目标检测的和像素分割的方法。对每一类方法的特点和适

用场景进行了归纳总结与分析。同时，针对工业应用中数据获取成本高的问题，介绍了近年来出现的弱监督缺陷

检测方法与异常检测方法，并介绍了具有较大影响力的工业表面缺陷数据集。最后，针对如何减少对大量标注数

据的依赖和如何提高检测方法在工业现场的适用性两个关键问题展开讨论,展望了该领域下一步的研究方向。

关键词：视觉感知；缺陷检测；显式特征提取；自动特征提取;深层神经网络

中图分类号:TP391文献标识码：A

Reviewofsurfacedefectinspectionbasedonvisualperception

SUHu1,ZHANGJiabin12,ZHANGBohao1,ZOUWeill2+

(1.InstituteofAutomation,ChineseAcademyofSciences,Beijing100190,China；

2.SchoolofArtificialIntelligence,UniversityofChineseAcademyofScience,Beijing100049,China)

Abstract:Withtheadvantageofhighefficiencyandpreventingsecondaryinjury,inspectionofsurfacedefectsbased

onvisualperceptionhasbeenwidelyusedinvariousindustryscenarios.Therecentdevelopmentofdeep-learning

technologycontributesfurthertotheprogressandtheapplicationofvision-baseddefectinspection.Theexistingvi­

sioninspectionmethodsunderthetracko£explicitfeatureextractionandautomaticfeatureextractionwerere­

viewed