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

光伏组件在日常运行中不可避免会产生各种缺陷，热斑缺陷就是其中一种.现有的研究主要针对光伏组件在生产工艺流程中出现的缺陷，对日常运行中光伏组件产生的缺陷检测算法研究很少并且存在泛化能力差、准确率不足等问题.本文在原始Faster RCNN的基础上，结合图像预处理、迁移学习、改进特征提取网络模型以及改进锚框选区方案，得到热斑缺陷检测模型.实验证明，使用本文模型在自制的测试集上平均检测准确率可达97.34%，相比原始Faster RCNN提高了4.51%.

1、针对金属表面缺陷检测中目标尺寸小和特征不清晰导致漏检的问题，应用YOLOv3算法对钢铁缺陷进行检测。首先概述了YOLOv3算法整体结构和原理，然后在YOLOv3网络结构的基础上,使用paddlex框架进行了实验。对实际生产中的钢铁缺陷图像采用数据增强操作进行预处理，进而进行模型训练，最后对测试集图像进行预测，并输出可视化结果。降低了检测中人力资源成本浪费，并减少废品钢铁产出。 2、本资源为小论文形式，并使用paddlepaddle进行实验，讲述较完整的实验流程。

【图像检测】基于形态学实现水果缺陷检测matlab源码.md

1、瓷砖划痕检测 2、工件凹凸检测 3、工件毛刺检测

热熔胶点胶之后检测垫脚的质量，包括： * 1. 胶水的长度 * 2. 胶水的宽度 * 3. 胶水两端到电池上下边缘的距离 * 4. 胶水到电池左右边缘的距离 * 5. 胶水是否断开 博客：https://liuhui.blog.csdn.net/article/details/122637756

几种表面缺陷检测数据集-附件资源

缺陷检测数据集，用于训练缺陷检测神经网络。从https://github.com/sundyCoder/DEye下载