第２９卷第１期计算机集成制造系统Ｖｏｌ．２９Ｎｏ．１２０２３年１月ＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓＪａｎ．２０２３ＤＯＩ：１０．１３１９６／ｊ．ｃｉｍｓ．２０２３．０１．０１５收稿日期：２０２０－１１－２６；修订日期：２０２１－０４－１２。Ｒｅｃｅｉｖｅｄ２６Ｎｏｖ．２０２０；ａｃｃｅｐｔｅｄ１２Ａｐｒ．２０２１．基金项目：国家重点研发计划资助项目（２０１８ＹＦＢ１３０６３０３）；国家自然科学基金资助项目（６１７０２３２３，６１７７３３７４）；山东省自然科学基金重大基础研究资助项目（ＺＲ２０１９ＺＤ０７）。Ｆｏｕｎｄａｔｉｏｎｉｔｅｍｓ：ＰｒｏｊｅｃｔｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＫｅｙＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔＰｒｏｇｒａｍ，Ｃｈｉｎａ（Ｎｏ．２０１８ＹＦＢ１３０６３０３），ｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎ，Ｃｈｉｎａ（Ｎｏ．６１７０２３２３，６１７７３３７４），ａｎｄｔｈｅＭａｊｏｒＢａｓｉｃＲｅｓｅａｒｃｈＰｒｏｊｅｃｔｓｏｆＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＳｈａｎｄｏｎｇＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ（Ｎｏ．ＺＲ２０１９ＺＤ０７）．基于视觉感知的表面缺陷检测综述苏虎１，张家斌１，２，张博豪１，邹伟１，２＋（１．中国科学院自动化研究所，北京１００１９０；２．中国科学院大学人工智能学院，北京１０００４９）摘要：基于视觉感知的表面缺陷检测，具有高效、可防止二次损伤等优点，被广泛应用于各种工业场景中。近年来深度学习技术的快速发展进一步推动了视觉缺陷检测的进步与应用。以特征的显式提取与自动提取为思路，对基于视觉感知的缺陷检测方法进行综述和分析。首先，简要描述了视觉缺陷检测系统的基本构成，将缺陷检测中的视觉感知归为分类、目标检测和分割３个层次。然后，将现有的视觉检测方法分为基于显式特征提取的（传统方法）和基于自动特征提取的（深度学习方法）。进一步，将基于显式特征提取的方法分为统计法、谱方法和模型法３类，将基于自动特征提取的方法分为整图分类的、目标检测的和像素分割的方法。对每一类方法的特点和适用场景进行了归纳总结与分析。同时，针对工业应用中数据获取成本高的问题，介绍了近年来出现的弱监督缺陷检测方法与异常检测方法，并介绍了具有较大影响力的工...
