多类型表面缺陷机器视觉检测方法研究

　　本文在全面调研工业领域缺陷检测现状的过程中，发现工业领域中表面缺陷检测因为样本数量不足、检测精度和实时性要求高、缺陷种类繁多等各种难题。这样，在进行多类型表面缺陷检测时，基于机器视觉的检测方法在实际应用时十分困难，为了解决这些难题，本文根据多类型表面缺陷检测中存在缺陷样本稀少且样本搜集困难、缺陷检测中算法模型多且检测成本高、缺陷种类繁多且检测场景复杂等问题，提出了基于深度学习的技术解决方案，采用生成对抗网络、目标检测网络和迁移学习等*前沿的深度学习技术手段建立了完善的缺陷样本数据集，提高了缺陷检测的精度，并且对不同种类缺陷检测快速地训练新模型，同时还设计了一个多类型表面缺陷智能视觉检测的Web在线系统，整合了三种技术方案，并且可以实时显示多类型表面缺陷检测的效果。

　　舒雨锋，副教授，博士，东莞职业技术学院智能制造学院副院长。2001.09-2005.07，燕山大学机械设计制造及其自动化，大学本科；2005.09-2008.07，华南理工大学机械电子工程，硕士研究生；2014.09-2022.07，华中科技大学机械电子工程，博士研究生。广东省教育厅教学成果一等奖1项；校级教学成果特等奖2项；广东省教育厅教学能力比赛三等奖3项；广东省教育厅优秀教学团队“机械制造与自动化专业教学团队”；参与机械行指委高职本科数控技术专业教学标准的研制。主要著作：《机械制造基础》ISBN：978-7-5661-2320-6，主编，哈尔滨工程大学出版社；《数控机床安装与调试》ISBN：978-7-313-16925-9，主编，上海交通大学出版社；《数控机床电气控制与联调》ISBN：978-7-5609-8041-6，副主编，华中科技大学出版社；《数控机床与操作》ISBN：978-7-5609-7864-8，副主编，华中科技大学出版社。

1 绪论1
1.1 课题研究背景、目的及意义1
1.2 国内外相关研究现状3
1.3 电动机换向器表面缺陷检测需求分析10
1.4 本书主要工作12
2 基于CCAWGAN模型的缺陷样本生成方法15
2.1 引言15
2.2 图像生成和图像融合理论分析16
2.3 基于CCAWGAN模型的缺陷样本生成方法设计22
2.4 实验验证与结果分析32
2.5 本章小结40
3 基于FIYOLOv4模型的表面缺陷目标检测方法42
3.1 引言42
3.2 YOLOv4模型42
3.3 基于YOLOv4的FIYOLOv4模型设计46
3.4 实验验证与结果分析65
3.5 本章小结77
4 基于PSFTM模型的多类型表面缺陷检测方法78
4.1 引言78
4.2 迁移学习理论分析78
4.3 基于迁移学习的PSFTM模型设计82
4.4 实验测试及结果分析89
4.5 本章小结95
5 多类型表面缺陷检测系统设计与应用96
5.1 引言96
5.2 多类型表面缺陷检测系统设计97
5.3 多类型表面缺陷检测系统开发103
5.4 多类型表面缺陷检测系统实例验证110
5.5 本章小结119
6 结论与展望120
6.1 本书结论120
6.2 本书创新点122
6.3 研究展望122
参考文献124