基于机器学习的材料缺陷检测综述
计算机视觉与模式识别
2025-05-06 v3 图像与视频处理
摘要
材料缺陷（MD）是影响产品性能并引发相关产品安全问题的主要挑战。MD的快速准确识别与定位是解决当前MD挑战的关键研究任务。在近年来，受深度学习等机器学习（ML）技术快速发展的推动，ML迅速成为材料缺陷检测（MDD）的核心技术和突出研究方向。通过对最新文献的综合审阅，我们系统梳理了应用于MDD的ML技术，分为无监督学习、监督学习、半监督学习、强化学习和生成式学习五大类。我们详细分析了这些技术的主要原理与方法，以及其优势与潜在挑战。此外，本综述聚焦于复合材料的缺陷检测技术，这些材料因在航空航天、汽车、建筑和可再生能源等多个行业中得到广泛应用而日益重要。最后，本综述探讨了基于ML技术的MDD的潜在未来方向。本综述整合了基于ML的MDD文献，为未来研究与实践奠定了基础。
引用
@article{arxiv.2406.07880,
title = {A Comprehensive Survey on Machine Learning Driven Material Defect Detection},
author = {Jun Bai and Di Wu and Tristan Shelley and Peter Schubel and David Twine and John Russell and Xuesen Zeng and Ji Zhang},
journal= {arXiv preprint arXiv:2406.07880},
year = {2025}
}
备注
Accepted to ACM Computing Surveys. Full bibliographic information and external DOI added