深度学习中单阶段金属表面缺陷检测算法优化综述

来源：计算机工程与应用杂志2025年第4期北京时间：

作者：董甲东, 郭庆虎, 陈琳, 桑飞虎

单位：安庆师范大学 电子工程与智能制造学院，安徽 安庆 246011

摘要：金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力，准确性受限于操作人员的经验和技能。近年来，深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案，基于深度学习的金属表面缺陷检测方法在检测精度和速度方面取得了显著成效。为了便于金属表面缺陷检测算法的研究，综合分析了单阶段深度学习算法在金属表面缺陷检测中的优化方法及应用。介绍了目前常用的金属表面缺陷数据集和算法评价指标；总结了目标检测算法的发展史以及单阶段目标检测算法的基本概念和典型模型；从数据增强、特征的提取与融合、锚框优化三个方面，对比总结了不同算法不同优化方式的优缺点，并研究了金属表面缺陷检测算法的轻量化；从多模态融合、大数据应用技术、现实与虚拟结合三个方面对金属表面缺陷检测算法的未来研究方向进行了展望。

关键词：金属表面缺陷检测,深度学习,单阶段目标检测算法,模型优化