李泽辉，陈新度，练洋奇

（1.广东工业大学，广东省计算机集成制造重点实验室，广州510006；2.广东工业大学，省部共建精密电子制造技术与装备国家重点实验室，广州510006）

0 引言

我国是瓷砖生产大国，国内的墙地砖生产企业在原料加工方面已实现了机械化和自动化，但在分色分级方面仍停留在人工检测的水平，在瓷砖的生产流程中，从原料、配方、球磨、制粉、成形、烧制到磨边倒角等，各个环节均会产生不同的缺陷，其中主要包括孔洞、划痕、杂斑等类型表面缺陷。近年来许多学者提出了基于传统机器视觉的瓷砖表面缺陷检测方法，其中Sameer Ahamad等[1]对瓷砖进行亮度增强和中值滤波的预处理后，分割瓷砖图像并进行特征提取，然后利用图像直方图测量瓷砖缺陷，实现了对陶瓷缺陷分级。S.H.Hanzaei等[2]提出用旋转不变测量局部方差算子特征提取缺陷特征，经过形态学增强后利用支持向量机进行缺陷分类，取得了较好的效果。但这类方法往往采用常规图像处理算法或人工设计特征加分类器方式，在实际应用中存在算法参数调试困难，鲁棒性不强，容易被复杂工业环境影响等缺点。近年来，开始有学者将卷积神经网络用于工业缺陷检测，许志鹏等[3]提出了基于轻量YOLOv3的拉链缺陷检测系统，模型达到80%的mAP。一些研究者利用分割网络如FCN、U-Net进行缺陷检测，可以获得缺陷的准确位置及类型。但这类网络都需要一定数量的标注样本进行训练，而人工标注样本非常耗时。针……