来源：期刊VIP网 时间：
作者：陈丽;殷湘婷;靳启帆;姜晓恒;酒明远;徐明亮;
单位：郑州大学计算机与人工智能学院;国家超级计算郑州中心;郑州大学体育学院(校本部);
摘要：工业场景中，缺陷样本少且标注缺陷耗时耗力，这限制了机器视觉方法应用于表面缺陷检测。首先对基于少样本学习的工业品缺陷检测方法进行梳理，从图像采集、图像处理、缺陷检测三个方面介绍了基于机器视觉的工业品缺陷检测技术。将缺陷检测方法分为传统表面缺陷检测方法和基于少样本深度学习的缺陷检测方法。传统表面缺陷检测方法基于人工提取的特征识别缺陷，分为缺陷分割、人工特征提取、缺陷识别三部分。基于少样本深度学习的工业品缺陷检测方法包括数据增强、迁移学习、模型微调、半监督学习、弱监督学习、无监督学习方法等。其次，介绍了常用的缺陷检测数据集和检测结果评价标准。最后，讨论了基于少样本学习的表面缺陷检测存在的问题和未来研究方向。
关键词：缺陷检测;;少样本学习;;机器视觉;;深度学习
基金资助：国家自然科学基金项目(62202433,U21B2037,62272422,62172371,U22B2051);; 国家重点研发计划项目(YFB3301504);; 河南省博士后基金项目(202103111);; 河南省自然科学基金项目(22100002)
