手机屏缺陷检测《Scale insensitive and focus driven mobile screen defect detection in industry》

最新推荐文章于 2024-08-26 19:15:22 发布

来一包板栗

最新推荐文章于 2024-08-26 19:15:22 发布

阅读量4.6k

点赞数 2

分类专栏：文献阅读表面缺陷检测

本文链接：https://blog.csdn.net/qq_27871973/article/details/83345023

版权

本文探讨了手机屏幕缺陷检测的重要性，指出人工检测的不足，并提出了基于Network with Merging and Splitting Strategies (MSDDN) 和 Recurrent Neural Network (SCN) 的解决方案。研究发现，图像尺寸对检测效果有显著影响，作者通过实验验证了不同尺寸特征抽取的有效性。通过AlexNet分析，确定了后三层feature map的优势。MSDDN用于多尺度特征提取，结合RNN进行图像模块的缺陷判断，实现了对手机屏缺陷的高效检测。此外，文中还介绍了简单的数据增强技术来丰富样本库。

摘要由CSDN通过智能技术生成

文章链接：https://ac.els-cdn.com/S0925231218302996/1-s2.0-S0925231218302996-main.pdf?_tid=e6efda84-db95-47f2-8203-7a407e4f7265&acdnat=1540366950_8c37c8bf50b3fa2fb0796865363b7906

简单对文章的思路大概写一下，主要的对象就是检测手机屏表面的各种常见缺陷。主体就是network with merging and splitting strategies (MSDDN)+recurrent neural network (SCN)，MSDDN是作者构建的一种网络，用于提取原图像各个块的特征向量，将每个块的特征向量输入一个RNN网络判别图像是否有缺陷。因为文章简单，所以分以下几点说明一下。

1.文章的前两部分总结为几句话：手机表面质量对这个产品和行业影响很大，但是主要靠人工检测的方法有很多的问题，所以急需一些机器视觉系统。目前的检测方法主要是基于滤波器的边缘检测方法，比如sobel算子，Roberts算子，Canny等，也有一些学者感觉这些算子对小的缺陷类型检测的不好，提出使用图像重构的方法，比如：奇异值分解和傅里叶变换。然后一些研究者开始人为的去构建一些特征模块，来进行局部缺陷检测，比较常用的是Haar-lik