综述|工业金属平面材料表面缺陷自动视觉检测的研究进展

 

摘要:

基于计算机视觉的金属材料表面缺陷检测是冶金工业领域的研究热点。在金属制造行业中,高标准的平面质量要求自动视觉检查系统及其算法的性能必须不断提高。本文基于对钢,铝,铜板和带钢的一些典型金属平面材料产品的160多种出版物的综述,试图对二维和三维表面缺陷检测技术进行全面的综述。根据算法的属性和图像特征,现有的二维方法分为四类:统计方法,光谱方法,模型方法和基于机器学习的方法。在三维数据采集的基础上,三维技术分为立体视觉,光度立体,激光扫描仪和结构化光测量方法。本文将分析和比较这些经典算法和新兴方法。最后,对视觉缺陷检测的剩余挑战和未来的研究趋势进行了讨论和预测。

研究背景:

金属平面材料(例如,钢,铝,铜板等)广泛用于汽车制造,桥梁建筑,航空航天和其他支柱产业,为现代社会发展和生活改善做出了巨大贡献。然而,在实际的工业生产过程中,加工设备的损坏或恶劣的工业环境不可避免地会导致金属平面材料产品出现某些质量问题。一些具有大面积或周期性特征的产品表面缺陷不仅影响后续生产,而且威胁终端产品的质量,给制造企业带来巨大的经济和声誉损失。表面缺陷区域的数量,程度和分布是决定工业金属平面材料质量的重要因素。基于振动声调制,无线传感技术和其他不同原理的损伤检测方法已经进行了很长时间的研究。但是,基于计算机视觉的表面缺陷检测方法具有成本低,操作简便,性能优越等优点,是在图像表面发现和定位异常区域的最常用方法。硬件设施的发展以及人工智能技术的不断发展,自动视觉检查(AVI)设备已逐渐成为工业制造商提高产品质量和生产效率的标准配

3D视觉工坊 CSDN认证博客专家 算法 3D视觉
个人公众号:3D视觉工坊。公众号特邀嘉宾及合伙人,先后就职于国内知名研究机构、自动驾驶公司、海康研究院,主要研究方向为深度学习、目标检测、语义分割、图像处理、自动驾驶感知算法等,CSDN博客专家。博主先后任职于国内知名研究院、知名大厂,致力于3D视觉算法、VLAM算法开发,涉及相机标定、手眼标定、结构光、点云后处理、三维重建等相关领域的研究,同时也是CSDN博客专家。3D视觉工坊坚持原创,近一年来输出了非常多的高质量文章,获得了粉丝的一致好评,我们将始终坚持走原创路线,打造一个铁杆粉丝的聚集区。
已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 书香水墨 设计师:CSDN官方博客 返回首页
实付 49.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值