郭 熹，李 斌，马文辉，贺 鸣，陈亚峰（.中国联通研究院，北京 0076；.珠海格力电器股份有限公司，广东珠海 509070）

0 前言

机器视觉检测是指利用机器替代人工实现检测和判断［1］。典型的机器视觉检测系统包括相机、镜头、光源、工控机、图像处理系统、执行机构、被测物等。其检测原理是通过相机对被测对象进行图像拍摄，然后将图像数据传送至图像处理系统。图像处理系统通过检测算法对图像进行特征提取、识别，输出检测结果并执行相应操作［2］。机器视觉检测在工业领域具有广阔的市场空间，主要应用场景包括目标检测（如对产品外观瑕疵检测、对产品零部件的有无检测等）、目标识别（如文字识别、颜色识别等）、目标定位（如PCB 加工定位、标签定位等）和目标测量（如对指针仪表的长度、角度测量、对零部件的尺寸测量等）。

传统方式的机器视觉检测主要以人工特征提取、分类、识别为主，检测方法具有针对性，系统鲁棒性差［3］。常见的处理方法包括如图像灰度处理、滤波算法、图像算数、图像二值化、霍夫变换等。随着人工智能技术的不断发展，以神经网络为代表的深度学习技术正逐步应用在机器视觉领域。深度学习利用机器模仿人类思考，实现对图像的理解，被用来解决复杂场景的模式识别［4］。其典型应用领域包括目标检测、图像分类、图像分割等。与传统方式相比，深度学习可以在训练过程中自学习相关属性，省去特征工程环节，识别精度更高、更加灵活［5］。但是对硬件的内存和计算能力要求较高，通常需要额外的硬件投入。……