Professional Documents
Culture Documents
DETECTION
王天颖 2023/11/24
AI 工业瑕疵检测
AI 工业瑕疵检测的需求
• 捡出 NG 和 GOOD ;
• 定位缺陷的位置,方便归因分析、指标统计、设备升
级、维修等;
• 给出缺陷的量化指标,例如面积、长度、对比度;一
般对应的上层任务有缺陷分级、需求定制或变更。
常见的工业瑕疵
AI 工业检测 VS 自然场景检测
• 业务场景过于分散 ,对标一下“人脸”,甚
至“ OCR” 等领域,缺陷检测场景还是非常分散的,
难以归纳;
• 受限、可控 ,有比较的大人工干预空间;
• 需求不太明确;
• 精度指标要求比较高。
工业场景对比自然场景
深度学习在工业瑕疵检测中的难点
AI 工业检测的难点
• 缺陷检测是否需要高层次的语义信息
• 百亿像素下计算复杂度问题如何解决
• 数据标注问题如何解决
• 数据不平衡问题如何解决
• 可重复性、可配置性问题如何解决
深度学习的非线性特征
工业缺陷检测的主流研究进展
有监督学习与无监督学习
有监督学习对比无监督学习 有监督学习对比无监督学习
有监督学习方法
有监督学习方法
YOLO 目标检测算
法
MVTec 工业瑕疵数据集