面向实际工业缺陷检测的综合调查：挑战、方法与展望

工业缺陷检测是维系现代制造系统产品质量的关键环节。随着对精度、自动化和可扩展性期望的提升，传统的检查方法在满足实际需求方面显得不足。计算机视觉和深度学习技术的显著进展大幅提升了缺陷检测在2D和3D模态上的能力。一个重要发展是从封闭集方法向开放集缺陷检测框架的转变，这减少了对大量缺陷标注的需求，促进了新型异常的识别。尽管如此，关于工业缺陷检测的统一且现代的理解仍然笼统。因此，本次调查深入分析了2D和3D模态下的封闭集和开放集缺陷检测策略，描绘了近年来技术演进的图景，并凸显了开放集技术日益突出的趋势。我们提炼出实际检测环境中的关键挑战，阐明了新兴趋势，为这一快速发展的领域提供了当前全面而权威的视角。