基于深度学习的钢板表面缺陷检测研究综述

来源：计算机测量与控制杂志2025年第7期北京时间：

作者：廖晓群,李丹,徐清钏

摘要：钢板作为现代制造业的基石，其表面质量对产品的性能和可靠性具有决定性作用。因此，钢板表面缺陷检测具有重要的研究意义和应用价值。钢板表面缺陷检测研究面临的主要挑战包括钢板表面缺陷类型多样、特征不明显以及实时性要求高。采用深度学习技术对钢板表面缺陷检测进行研究，系统总结了钢板表面缺陷常用的数据集及目标检测算法在表面缺陷中的应用，同时全面整理并分析了这些算法的优缺点。探讨了有监督学习、无监督学习和半监督学习等检测方法在钢板表面缺陷检测中的应用，评估了当前算法性能的关键指标，讨论了未来钢板表面缺陷检测面临的挑战，并对未来的研究趋势进行了展望。

关键词：深度学习;钢板表面缺陷;目标检测;表面缺陷;评估指标

基金资助：中国高校产学研创新基金