基于深度学习的表面微小缺陷检测方法综述

表面微小缺陷具有尺度小、对比度低和样本数量不足等特点,导致基于深度学习的缺陷检测精度低和漏检率高,故基于视觉的表面微小缺陷检测一直是一项具有挑战性的工作.研究发现,增强网络模型特征提取能力、减少特征丢失或梯度消失以及采用注意力机制关注图像中重要的区域有利于提高表面微小缺陷的检测精度.该文系统分析了能够有效提高表面微小缺陷检测精度的ResNet、DenseNet、FPN等网络结构,总结了注意力机制在表面微小缺陷检测中的应用,分析了生成对抗网络(generative adversarial networks,GAN)针对表面微小缺陷样本不足问题的解决方案和具体应用,全面总结了微小表面缺陷检测中有效的网络结构和解决机制.