多类型表面缺陷机器视觉检测方法研究

本文在全面调研工业领域缺陷检测现状的过程中，发现工业领域中表面缺陷检测因为样本数量不足、检测精度和实时性要求高、缺陷种类繁多等各种难题。这样，在进行多类型表面缺陷检测时，基于机器视觉的检测方法在实际应用时十分困难，为了解决这些难题，本文根据多类型表面缺陷检测中存在缺陷样本稀少且样本搜集困难、缺陷检测中算法模型多且检测成本高、缺陷种类繁多且检测场景复杂等问题，提出了基于深度学习的技术解决方案，采用生成对抗网络、目标检测网络和迁移学习等*前沿的深度学习技术手段建立了完善的缺陷样本数据集，提高了缺陷检测的精度，并且对不同种类缺陷检测快速地训练新模型，同时还设计了一个多类型表面缺陷智能视觉检测的Web在线系统，整合了三种技术方案，并且可以实时显示多类型表面缺陷检测的效果。