引用本文

李少波, 杨静, 王铮, 朱书德, 杨观赐. 缺陷检测技术的发展与应用研究综述. 自动化学报, 2020, 46(11): 2319−2336 doi: 10.16383/j.aas.c180538

Li Shao-Bo, Yang Jing, Wang Zheng, Zhu Shu-De, Yang Guan-Ci. Review of development and application of defect detection technology. Acta Automatica Sinica, 2020, 46(11): 2319−2336 doi: 10.16383/j.aas.c180538

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180538

关键词

缺陷检测，缺陷分类，故障预测，深度学习 

摘要

为满足智能制造企业对产品质量检测的需求, 服务制造企业生产管理, 对缺陷检测技术的研究现状、典型方法和应用进行梳理.首先总结了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的优缺点; 对比分析了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉检测的主流缺陷检测技术和基于深度学习的缺陷检测技术的研究现状; 然后, 梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用; 最后, 对缺陷检测技术的研究情况进行了总结和展望, 指出该研究领域亟需解决的问题和未来发展的方向, 并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV (International Conference on Computer Vision)和CVPR (International Conference on Computer Vision and Pattern Recognition)等知名国际会议上相关论文的核心思想和源代码, 为缺陷检测技术的进一步发展提供理论和应用上的借鉴与参考.

文章导读

在生产和日常的应用过程中, 由于加工、设计、机床生产设备故障和工况恶劣等因素, 制造产品极易发生产品内部孔洞、凹陷和擦伤等缺陷, 在日常的应用过程中极易发生腐蚀和疲劳破坏等, 使得企业生产成本增加, 造成巨大的资源浪费和经济损失, 甚至给人们的生命安全造成巨大的伤害.随着我国装备制造行业的不断发展, 高端制造装备对高标准、高质量的产品需求更加旺盛, 同时对设计人员以及现场检测人员水平提出了更高的要求, 因此在复杂工业过程中, 对制造产品缺陷进行检测, 在不影响生产的前提下, 提高制造产品的质量是制造企业的核心竞争力[1].自动缺陷检测技术相较于人工检测优势明显, 不仅可以适应恶劣的环境, 还能长时间、高精度、高效率的工作[2].研究质量检测技术, 可以降低生产成本, 提高生产效率和产品质量, 为制造业的智能化转型打好坚实的基础[3].

为了推动国内外缺陷检测技术的发展, 辅助研究人员及相关从业者更好地了解缺陷检测技术的发展现状, 在缺陷检测相关的技术和应用方面做了如下调研.文献[4]从检测理论、传感器、信号处理方法及工程应用上对脉冲涡流无损检测技术进行综述, 以期更好地推动脉冲涡流检测技术的发展.文献[5]对晶体管的缺陷类型、浓度、空间分布和流动性进行综述, 分析了基于缺陷检测系统的参数估计方法, 介绍了纳米技术与缺陷检测技术的发展趋势.文献[6]针对油气管道泄露的缺陷问题, 对油气管道的泄露监测与实时监测技术的国内外研究现状和发展进行综述.针对钢轨缺陷问题, 文献[7]回顾了国内外钢轨无损检测技术的特点, 分析了多模态多物理集成传感与可视化成像检测、无损检测与评估、健康检测与集成融合.针对制药产品的缺陷检测技术, 文献[8]从高光谱、振动光谱和IR等光谱技术的应用情况进行综述.通过调研发现, 目前的研究主要集中在产品有无缺陷和具有什么样的缺陷内容上, 通过调研没有发现对制造产品主流缺陷检测技术在国内外研究现状进行回顾和总结的相关研究, 特别是针对深度学习技术的调研, 对产品缺陷检测和基于所检测到的缺陷信息进行产品分类和故障预测的研究较少.本文针对上述问题, 首先综述了制造产品中的缺陷检测技术, 对缺陷检测技术的实验结果进行对比分析, 对缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用进行总结; 指出了缺陷检测技术未来的热点研究方向.

论文的主要内容如下, 第1节总结了缺陷检测技术的优缺点, 主要包括:主流的缺陷检测技术和基于深度学习的缺陷检测技术; 第2节对缺陷检测技术的实验结果进行了对比分析, 主要包括:主流的缺陷检测技术和基于深度学习的缺陷检测技术实验结果分析; 第3节梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用; 第4节针对缺陷检测技术中存在的问题进行了展望; 第5节总结了全文并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV和CVPR等顶级国际会议上较优论文的核心思想和源代码.

质量作为产品生产中的重要一环, 缺陷检测对其应用具有极大的实际意义, 也是广大科研工作者和企业研究的热点之一.本文针对复杂工业过程中制造产品相关的缺陷检测的研究现状进行了较为全面的综述, 对缺陷检测技术的优缺点进行了总结, 对缺陷检测技术的实验结果进行了分析概括; 针对所获得的缺陷信息, 概述了缺陷检测技术在电子元器件、管道、制造装备、焊接件和制造产品缺陷分类和故障预测中的应用情况, 以期对智能装备的"后操作"提供辅助支持.同时, 结合实际应用需求和人工智能的发展, 指出未来有待深入研究的问题.这些问题的解决将促进缺陷检测技术具有更好地普适性、更高的缺陷检测准确率和满足企业实时性检测的需求.为了进一步辅助研究者和企业工程师将深度学习的方法应用在产品的缺陷检测, 表 5从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV和CVPR等知名国际会议上的相关论文, 并总结了这些较优论文的核心思想和源代码, 以辅助研发人员进行知识重用和创新设计.

作者简介

李少波

贵州大学机械工程学院教授.主要研究方向为智能制造, 大数据. E-mail: lishaobo@gzu.edu.cn

王铮

贵州大学硕士研究生. 2017年获得贵州大学学士学位.主要研究方向为机械产品在线无损质量检测.E-mail:zhengwang0216@123.com

朱书德

贵州大学机械工程学院硕士研究生. 2017年获得福州大学学士学位, 主要研究方向为质量管控, 智能制造. E-mail: shudezhu89@163.comZHU Shu-De   Master student at the School of Mechanical Engineering, Guizhou University. He received his bachelor degree in 2017 from Fuzhou University. His research interest covers quality control and intelligent manufacturing

杨观赐

贵州大学现代制造技术教育部重点实验室教授.主要研究方向为智能与自主机器人, 计算智能与智能系统. E-mail: guanci_yang@163.com

杨静

贵州大学机械工程学院讲师. 2019年9月美国俄克拉荷马州立大学联合培养博士研究生.主要研究方向为机器视觉, 智能制造, 机器人.本文通信作者.E-mail:yang_jing0903@163.com