缺陷检测算法汇总（传统+深度学习方式）|综述、源码

作者丨Tom Hardy@知乎

来源丨https://zhuanlan.zhihu.com/p/305087419

编辑丨3D视觉工坊

文献资料汇总

https://github.com/Eatzhy/surface-defect-detection

综述：机器视觉表面缺陷检测综述

缺陷检测工具箱

https://github.com/abin24/Saliency-detection-toolbox

基于深度学习方式

1、语义分割方式

https://github.com/Wslsdx/Deep-Learning-Approach-for-Surface-Defect-Detection

https://github.com/LeeWise9/Segmentation-Based-Surface-Defect-Detection

https://github.com/CristinaMa0917/Defects_Detection_MaskRCNN

2、目标检测方式

https://github.com/YeahHuang/Al_surface_defect_detection

3、基于GAN

https://github.com/hukefei/GAN-defect

4、不同行业应用

1）PCB

https://github.com/Ixiaohuihuihui/Tiny-Defect-Detection-for-PCB

https://github.com/chinthysl/AXI_PCB_defect_detection

https://github.com/gustavo95/pcb-defect-detection

2）钢材缺陷检测

https://github.com/khornlund/severstal-steel-defect-detection

https://github.com/Diyago/Severstal-Steel-Defect-Detection

https://github.com/toandaominh1997/Steel-Defect-Detection

https://github.com/rook0falcon/steel-defect-detection

3）胶囊缺陷检测

https://github.com/TSjianjiao/Defect-Detection-with-tensorflow

4）电池缺陷检测

https://github.com/cdeldon/thermography

https://github.com/evip/ButtonDefectDetection

5）织物缺陷检测

https://github.com/weningerleon/TextileDefectDetection

https://github.com/freedom-kevin/defect_detection

https://github.com/Johncheng1/Fabric-defect-detection

https://github.com/luissen/SSDT-A-single-shot-detector-for-PCB--defects

https://github.com/wangerniuniu/FabricDefectDetection

https://github.com/mynameiswangshiyi/AE-BP-fabric-defect-detection

6）水果和蔬菜缺陷检测

https://github.com/shyamsuresh14/Detection-of-defects-in-fruits-and-vegetables

其它

https://github.com/skokec/segdec-net-jim2019

https://github.com/zwb204/Industrial_defect_detection

https://github.com/wuziheng/SiliconWaferDefectDetection

https://github.com/qiucongying/Mcue

https://github.com/yjphhw/SACNN

缺陷检测数据集

https://github.com/abin24/Surface-Inspection-defect-detection-dataset

https://github.com/Eatzhy/Surface-defect-Detection-dataset

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「计算机视觉工坊」公众号后台回复：深度学习，即可下载深度学习算法、3D深度学习、深度学习框架、目标检测、GAN等相关内容近30本pdf书籍。

下载2

在「计算机视觉工坊」公众号后台回复：计算机视觉，即可下载计算机视觉相关17本pdf书籍，包含计算机视觉算法、Python视觉实战、Opencv3.0学习等。

下载3

在「计算机视觉工坊」公众号后台回复：SLAM，即可下载独家SLAM相关视频课程，包含视觉SLAM、激光SLAM精品课程。

重磅！计算机视觉工坊-学习交流群已成立
扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、orb-slam3等视频课程）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款