视觉表面缺陷无监督学习检测方法研究进展
Research progress on unsupervised learning detection methods for visual surface defects作者机构：华南理工大学机械与汽车工程学院广东广州510640
出 版 物：《中国测试》 (China Measurement & Test)
年 卷 期：2024年第50卷第3期
页 面：1-12页
学科分类：08[工学] 080203[工学-机械设计及理论] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 0802[工学-机械工程]
基 金：广东省重点领域研发计划项目(2019B010154003)
摘 要：视觉表面缺陷检测是工业生产质量控制重要环节,其中无监督学习范式检测方法是重要的发展趋势。该文针对视觉表面缺陷无监督学习检测方法在工业生产、质量控制中的实际应用问题,系统介绍目前国内外的主要物体表面缺陷数据集以及缺陷视觉检测方法主要评价指标,评述图像重建范式、生成模型范式、特征嵌入范式在视觉表面缺陷无监督学习检测中的分类、基本原理及框架、应用性能等方面内容,总结比较各种方法的应用特点以及技术发展趋势,指出归一化流模型、预训练大模型等无监督视觉表面缺陷检测研究值得关注。
维普期刊数据库
同方期刊数据库