《基于机器视觉和卷积神经网络的动车组运行图像故障检测研究的国内外文献综述》7000字.docxVIP

PAGE4

基于机器视觉和卷积神经网络的动车组运行图像故障检测研究的国内外文献综述

1.1机器视觉缺陷检测研究现状

随着中国制造业的快速发展，工业生产的产品，无论是数量还是种类都在剧增，消费者和生产者对生产出的产品的质量要求都越来越高了，产品不仅要满足人们正常的使用，还要有好看的外观和良好的表面质量。产品良好的表面质量在市场竞争中更胜一筹，人们更喜欢质量好的产品，所以在工业生产中对产品表面的质量进行控制是非常有必要的。工业产品的表面缺陷不仅直接影响产品本身的外观及质量，更是会降低产品的使用性能和商业价值。因此，在产品生产加工时必须对其表面进行质量检测，这样才能及时发现缺陷并控制改善，从而减少缺陷产品的产生，提高企业的经济效益。表面缺陷检测已成为工业生产过程中不可或缺的组成部分。目前，在工业生产中，传统的人工视觉检测的方法[1]是对产品表面的缺陷检测的常用方法，但传统方法一方面检测效率低、误检率及漏检率高、劳动强度大，另一方面，人工检测的成本高，检测结果容易受工人自身经验和主观判断的影响。与此同时，如果缺陷尺寸很小且不易发生光学形变时，仅靠人眼是检测不到产品表明缺陷信息的，无法适应大规模的工业生产要求。在图像处理技术得到发展后，基于机器视觉的产品表明缺陷检测方法慢慢地取代了人工检测方法，在大规模的工业生产检测环节得到了实践。机器视觉缺陷检测技术是一种自动化的、非接触式的检测