基于深度学习的钢材表面缺陷检测研究方法综述

王 杰, 霍 蛟飞
西京学院机械工程学院 陕西西安 710123

摘要

钢材是一种重要的工业生产原料，在建筑、汽车和船舶等领域有着不可或缺的作用。随着工业发展的需要，对钢材表面质量的要求也越来越高，因此对钢材表面缺陷检测的方法也有很多，本文主要介绍了深度学习目标检测算法和基于深度学习的钢材表面缺陷检测方法，并分析其优缺点，提出了基于深度学习的钢材表面缺陷检测方法存在的问题，并对未来发展方向提出展望。

关键词

钢材;深度学习;表面缺陷检测

参考

[1]Bingjie L,Jingyang G,Xinyu S. Application of Unsupervised DeepLearning in Color Image Recognition[P]. 2020 7th InternationalConference on Machinery, Mechanics, Materials, and ComputerEngineering,2020.[2]Liu H,He B,He Y, et al. Surface defects detection algorithm for asmall sample of sealing rings for aerospace based on deep learning[P]. Target Recognition and Artificial Intelligence Summit Forum,2020.[3]Krizhevsky A, Sutskever I, Hinton G E. Imagenet Classificationwith Deep Convolutional Neural Networks[J]. Advances in NeuralInformation Processing Systems, 2012, 25(2): 84-90.[4]徐镪,朱洪锦,范洪辉等. 改进的 YOLOv3 网络在钢板表面缺陷检测研究[J]. 计算机工程与应用, 2020, 56(16): 265-272.[5]Li J, Su Z, Geng J, et al. Real-time detection of steel strip surfacedefects based on improved yolo detection network[J]. IFAC-PapersOnLine, 2018, 51(21): 76-81.[6]罗晖,李健,贾晨.基于图像增强与改进 Cascade R-CNN 的钢轨表面缺陷检测[J]. 激光与光电子学进展, 2021, 58(22): 324-335.[7]谷长江,高法钦.改进 YOLOv5s 的钢材表面缺陷检测[J].软件工程,2023,26(08):31-34.DOI:10.19644/j.cnki.issn2096-1472.2023.008.007.