Matlab缺陷检测，光伏缺陷检测。

作者：Tom Hardy Date：2020-1-6 来源：总结|深度学习实现缺陷检测 前言 缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷检测领域中的应用。 1、A fast and robust convolutional neural network-based defect detection model in product qua

基于tensorflow的一个案例实现，实际生产中使用的瑕疵检测，适合布匹、木材、金属、塑料、薄膜等等产品表面的瑕疵检测，斑点检测，效果较好

基于Pytorch的YOLO v3做缺陷检测，包含全部代码和数据集。详细内容参考 https://blog.csdn.net/cheweng4363/article/details/107199141

基于机器视觉的太阳能电池片外观缺陷检测(Labview)以Labview软件为平台，建立包含图像采集、图像处理、缺陷检测、结果显示等模块的太阳能电池片外观缺陷检测系统

LABVIEW写的物品缺陷检测，包括源图，对比图片及检测过程的描述，源码中详细讲解了检 测过程方法，适合初学视觉开发人员学习！

NEU数据集大全，包含了原始数据集，扩展的64*64大小的分类数据集，缺陷定位（带有label）的数据集

该案例使用差异模型进行完整性以及缺陷检测，其基本理念就是使用测试图像与理想图像进行比对，以检查是否有不同之处。该案例有详细的中文注释便于理解

《机器视觉表面缺陷检测综述》汤勃 caj文件

详细的阐述，为何计算机软件测试中程序中遗留的缺陷数量与已检测出的缺陷数量呈正比的缘由。。。