使用深度神经网络的基于视觉的手机盖板玻璃缺陷检测

几种表面缺陷检测数据集-附件资源

1、数据集共包含435张毛巾缺陷训练图片，435个voc格式标签（.xml），435个yolo格式标签（.txt），数据可用于毕设缺陷检测。 2、数据可以另外做数据增强，需要数据增强脚本的可以私信或留言。 3、有问题可以留言私信。

钢铁表面缺陷图像检测voc数据集

GIS设备出现缺陷会导致变电站发生事故，给电网带来巨大经济损失。针对目前变电站大规模的人工巡检存在着效率低下、易漏检等问题。文中对X射线无损检测得到的GIS设备图片进行研究。对获得的GIS图片进行恰当预处理，提出一种改进的FCM算法进行分割，在传统的FCM分割算法基础上，引入非隶属度、不确定度且结合图像的领域信息进行分割GIS设备图像，采用SVM分类器进行缺陷检测。实验表明，此方法缺陷检测率能达到90%以上。

本团队构建了一个较为复杂的不锈钢棒材螺纹缺陷检测数据集，该数据集将工程实践中的缺陷情况如实记录，对螺纹缺陷检测的算法开发与工程应用具有极强的参考意义。本数据集训练集包含了螺纹缺陷图像2381张，非螺纹图像2660张，测试集包含了螺纹和非螺纹图像各408张。需要注意的是，训练集中的图像在图像采集过程中，通过在一定范围内随机移动，会有部分重叠，测试集中则无此数据扩展过程，且与训练集数据无重叠。

附件为机器视觉领域中外观缺陷检测相关的一些论文，主要包括LCD屏幕缺陷、摄像头模组缺陷等方面的一些经典的缺陷检测算法，希望对感兴趣的人有些许启发。

针对现代制造业中类镜面物体表面缺陷检测的问题,研究了基于相位测量偏折术的自动检测方法。采用相移结合格雷码编码法提取反射图像相位,通过判断局部相位异常识别缺陷。分析相位提取错误导致误检现象的原因,提出一种折叠相位周期级数校正的方法。该方法能解决相位展开过程中的周期错位问题,保证相位的准确提取,避免误检问题。实验结果表明,基于相位偏折原理的检测方法能够实现对类镜面物体表面缺陷的准确、可靠检测。

-在过去几年中，由于计算机视觉和深度学习方面的各种研究取得了进展，道路缺陷检测的性能得到了显著提高。尽管大规模且注释良好的数据集在一定程度上提高了检测道路缺陷的性能，但在实践中，推导一个能够可靠地适用于各种道路条件的模型仍然是一个挑战，因为考虑到各种道路条件和缺陷模式，构建一个数据集是很困难的。为此，我们提出了一种无监督的检测道路缺陷的方法，即使用Adver  sarial图像到频率变换（AIFT）。AIFT采用无监督方式和对抗式学习来推导缺陷检测模型，因此AIFT不需要对道路缺陷进行注释。我们使用GAPs384数据集、Cracktree200数据集、CRACK500数据集和CFD数据集评估了AIFT的效率。实验结果表明，该方法能够检测各种道路检测，其性能优于现有的先进方法。在本文中，我们提出了一种基于对抗性图像-频率变换的无监督道路缺陷检测方法。实验结果表明，该方法在训练过程中不需要对道路缺陷进行明确的标注，就能检测出各种道路缺陷模式，并且在大多数道路缺陷检测实验中，其性能优于现有的最新方法。

结合VGG和残差网络实现工业零件的缺陷检测，基于keras和tensorflow可以直接运行使用