任金梅，仲志丹，李跃松，樊浩杰

（河南科技大学 机电工程学院，洛阳 471003）

0 引言

随着移动互联网技术的迅猛的发展趋势，智能手机已经成为了移动互联网产品的标志，每年几乎有上亿台智能手机走向市场，在手机外壳生产制造过程中对其缺陷检测是质量监控的重要一步[1,2]。目前在手机外壳实际生产过程中，仍然是以人工目检的方式进行。即使是训练有素的目检专家，对手机外壳缺陷进行检测时，也会出现前后标准不一致，主观臆断较强以及疲劳耗时等问题[3]，因此急需研究自动缺陷检测系统来减少目检工作者的工作量，并提供统一标准，客观有效的检测方法。

深度学习和计算机技术的快速发展及其应用领域广泛性的不断增强[4～8]，使得计算机视觉已经应用于各种工业产品的质量检测中[9]。Li等[10]提出了一种基于主成分分析（PCA）的手机玻璃膜缺陷检测系统，通过比较缺陷像素数之和来识别缺陷的类型和大小。Ma等[11]提出了一种基于卷积神经网络和滑动窗口技术相结合的方法，来检测手机表面缺陷，但需要先检测出感兴趣区域，再进行分类检测。He等[12]第一次将空间金字塔池化引入卷积神经网络，用来处理输入图片大小不一的问题。Cao等[13]运用卷积神经网络与空间金字塔池化相结合的方法，实现了监控录像中对黑烟车辆的自动识别。Huang等人[14]采用HOGv进行特征提取，再通过ELM算法训练单个分类器，有效的实现了交通信号的识别。

本文受到Cao和Huang等人……