徐 镪，朱洪锦，范洪辉，周红燕，余光辉

1.江苏理工学院 机械工程学院，江苏 常州 213001

2.江苏理工学院 计算机工程学院，江苏 常州 213001

1 引言

随着工业技术的发展，自动化缺陷检测的研究越来越受到人们的重视。当钢板或零件表面存在一些瑕疵和缺陷，如磨损、裂纹、碰伤、麻点、划伤和变形等，将会导致机器使用过程中产生不正常的振动和噪声，加快缺陷面与空气接触后进一步的氧化与磨损，严重时甚至会引起机器的损坏和一些事故性的人员伤亡情况。而传统的人工裸眼检测，存在劳动强度大、工作效率低、产品成本较高的问题，且容易受到检测人员在员工素质、检测经验、肉眼分辨率和眼部易疲劳等诸多因素影响[1]。因此，许多人提出了各种检测表面缺陷的方法，具体可以分为两类：传统机器视觉检测法和深度学习检测法。

传统机器视觉检测法是先利用工业相机采集图像，经过传统图像方法处理后，再利用机器学习方法得到想要的结果。例如郭慧等人[2]提出了由计算机算法处理得到缺陷的特征样本，再利用支持向量机（SVM）模型对钢板表面缺陷进行类型识别。例如汪以歆等人[3]利用基于机器视觉的比对检测算法，来检测物体表面缺陷。这些方法的优点是速度快，对特定缺陷精度高，但受光照和人为影响较大，对图片特征提取能力弱，应用面小。

近年来，国家鼓励大力发展人工智能技术，深度学习的一系列方法也被引入到表面缺陷检测中。……