文献综述
1-1、课题背景零件是组成设备的最基础部件，其质量会对整个设备造成直接影响。
在零件加工过程中，由于生产工艺、设备等因素影响，总会生产出带有缺陷的零件，这不仅影响零件美观，还影响其使用性能。
因此，在零件生产加工过程中，应当及时发现缺陷产品，避免不合格产品出厂。
先前，零件表面缺陷的检测方法以人工检测为主，但是人工检测容易出现疏漏且检测结果依赖于检测人员的主观因素。
随着自动化技术的发展，零件表面缺陷检测方法也逐渐由人工检测转向机器检测，其中，机器视觉是目前在零件表面缺陷检测方向中的一个非常流行的检测方式。
本课题以零件表面缺陷检测算法为研究对象,针对现有缺陷检测方法准确性和效率较低的问题,提出采用在深度学习下的目标检测算法进行零件表面缺陷检测。
以常见工业零件为检测对象,建立表面缺陷图像数据集,并对深度学习目标检测算法进行研究改进,最终实现高准确性、高效率的零件表面缺陷检测。
1-2、国内外现状 目前零件表面检测的主流方式还是基于机器视觉的表面在线检测，缺陷检测和处理是这个系统的关键。
在国外方面，JIANG Mei-hua，FU Lu-hua等人[1]以钢球为例，提出了一种基于反射模式完整性使用镜面反射曲面对表面缺陷检查的新方法，采集钢球表面图像，并设计了内壁修饰同心圆图案的新型光源,利用上述方法,对钢球表面缺陷进行了有效提取与分析,取得了良好效果,验证了该方法对于高反射曲面零件表面缺陷检测的有效性。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
