李胜永，张智华，王胜男，王 孟

(1.江苏航运职业技术学院 交通工程系，江苏 南通 226000；2.南通大学 理学院，江苏 南通 226000)

0 引 言

完整的缺陷检测任务旨在实现识别图像中每个缺陷的特定类别和精确位置，这使得在实践中该任务仍然具有挑战性。缺陷检测是分类和定位结合的联合任务，导致相关方法往往难以兼顾两者的准确性。对金属缺陷的检查是保证例如高铁轨道、轮船船体、汽车发动机等几乎所有交通工具安全运行的关键步骤。然而，该过程通常依赖人工或者昂贵的精密设备，具有不可靠、不经济且耗时等特点。为了替换手工作业，笔者希望设计一种利用计算机视觉技术自动检查钢材表面缺陷的轻便设备。

在此研究领域，专家们将缺陷检测分为两类：缺陷分类和缺陷定位，前者解决金属是否包含某类缺陷，而后者进一步解决某类缺陷的具体位置。以往的自动缺陷检测(ADI)有两个常见的问题：一个是手工特征依赖人类经验[1]，这导致缺陷类别判别误差极大；另一个则是定位偏差较大，仅仅提供缺陷的大致位置[3]。深度学习技术克服了传统ADI方法的缺陷，并在许多视觉任务中取得了显著成果，它可以对位置注释的样本进行训练以获得精确的位置信息。基于传统方法和深度学习的ADI技术，一些研究者进行了大量的工作。基于传统技术，K.C.SONG等[1]改进了LBP以抵抗噪声，并采用NNC和SVM对缺陷进行分类；S.GHORAI等[5]基于一组小波特征，使用SVM进行缺陷分类。与这两种方法不同，M.X.CHU等[6]采用了通用特征提取器并增强了SVM。……