摘要： 基于机器视觉的表面缺陷检测以无接触、无损伤、自动化程度高及安全可靠等突出优点被广泛应用于各种工业场景中，尤其随着深度学习技术的快速发展，视觉缺陷检测有助于提高产品及装备的智能化水平。综述分析了表面缺陷检测的常用方法、通用数据集、检测结果评价指标和现阶段面临的关键问题。首先，将缺陷检测方法分为传统基于图像处理的缺陷检测、基于传统机器学习模型的缺陷检测及基于深度学习的缺陷检测，并对各种方法进一步细分归类和对比分析，总结了每种方法的优缺点和适用场景；然后，对目前常用的缺陷检测结果评价方法做出了描述，进一步探讨了表面缺陷检测应用在实际工业产品检测过程中关键问题——小样本问题，重点剖析了小样本问题的解决方法和无监督学习在解决这类问题上的优势；最后，从提高缺陷检测方法的工业适用性角度展望了下一步研究方向。

关键词: 表面缺陷检测; 机器视觉; 深度学习; 无监督学习

中图分类号: 

• TP391.41