机器视觉（AOI）之缺陷检测问题（2）
广东吉洋视觉：SMT AOI,LED AOI,焊线AOI,焊线检测AOI。根据缺陷检测的三个阶段，将缺陷检测方法大致分为三类：分类网络、检测网络和分割网络。分类网络由于 CNN 强大的特征提取能力，基于 CNN 的分类网络已成为表面缺陷分类中最常用的模式。一般来说，现有的表面缺陷分类网络通常采用计算机视觉中现成的网络结构，包括 alexnet、VGg、googlenet、RESNET、densenet、senet、shutenet、mobilenet 等，通过分类网络和滑动窗口实现缺陷定位。检测网络目标定位是计算机视觉领域最基本的任务之一。同时，它也是最接近传统缺陷检测的任务。其目的是获取目标的准确位置和类别信息。目前，基于深度学习的目标检测方法层出不穷。一般来说，基于深度学习的缺陷检测网络可以分为快速 r -CNN 表示的两级网络和 SSD 或 Yolo 表示的一级网络。二者的主要区别在于两级网络需要先生成可能包含缺陷的候选框，然后再进一步检测目标。一级网络直接利用从网络中提取的特征来预测缺陷的位置和类别。郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。
