缺陷检测技术的发展与应用研究综述

发布时间：2023-01-28 11:31

　　为满足智能制造企业对产品质量检测的需求,服务制造企业生产管理,对缺陷检测技术的研究现状、典型方法和应用进行梳理.首先总结了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的优缺点;对比分析了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉检测的主流缺陷检测技术和基于深度学习的缺陷检测技术的研究现状;然后,梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用;最后,对缺陷检测技术的研究情况进行了总结和展望,指出该研究领域亟需解决的问题和未来发展的方向,并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV （International Conference on Computer Vision）和CVPR （International Conference on Computer Vision and Pattern Recognition）等知名国际会议上相关论文的核心思想和源代码,为缺陷检测技术的进一步发展提供理论和应用上的借鉴与参考. 

【文章页数】：18 页

【文章目录】：
1 缺陷检测技术
    1.1 主流的缺陷检测技术
    1.2 基于深度学习的缺陷检测技术
2 缺陷检测技术实验结果对比分析
    2.1 主流的缺陷检测技术实验结果对比分析
    2.2 基于深度学习的缺陷检测技术实验结果对比分析
3 缺陷检测技术的典型应用
    3.1 电子元器件的缺陷检测
    3.2 管道缺陷检测
    3.3 焊接件缺陷检测
    3.4 机械零件的缺陷检测
    3.5 缺陷检测技术在质量控制中的典型应用
        3.5.1 缺陷检测技术在制造产品分类中的应用
        3.5.2 缺陷检测技术在智能装备故障预测和诊断的应用
4 展望
5 结论


【参考文献】：
期刊论文
[1]基于多尺度先验深度特征的多目标显著性检测方法[J]. 李东民,李静,梁大川,王超.  自动化学报. 2019(11)
[2]人工智能研究的新前线:生成式对抗网络[J]. 林懿伦,戴星原,李力,王晓,王飞跃.  自动化学报. 2018(05)
[3]声发射技术在纤维增强复合材料损伤检测和破坏过程分析中的应用研究进展[J]. 黄展鸿,黄春芳,张鉴炜,江大志,鞠苏.  材料导报. 2018(07)
[4]管道电磁超声导波技术及其应用研究进展[J]. 黄松岭,王哲,王珅,赵伟.  仪器仪表学报. 2018(03)
[5]基于深度学习的管道焊缝法兰组件识别方法[J]. 杨理践,曹辉.  仪器仪表学报. 2018(02)
[6]基于多元接收线圈的管道局部缺陷检测方法研究[J]. 师奕兵,罗清旺,王志刚,张伟,马东.  电子学报. 2018(01)
[7]基于几何与纹理特征相融合的磁粉探伤裂纹提取算法[J]. 马涛,孙振国,陈强.  清华大学学报(自然科学版). 2018(01)
[8]基于同面电容成像的航天隔热复合材料粘接缺陷检测方法[J]. 杨丽君,田洪刚,安立明,温银堂,罗小元.  兵工学报. 2017(12)
[9]基于机器视觉的隧道衬砌裂缝检测算法综述[J]. 苑玮琦,薛丹.  仪器仪表学报. 2017(12)
[10]先进超声检测技术的研究应用进展[J]. 周正干,孙广开.  机械工程学报. 2017(22)



本文编号：3732540