【摘 要】
：
纹理表面缺陷检测在机器视觉领域具有意义和挑战性，其历史可以追溯到20世纪中后期，近年来随着深度学习技术的蓬勃发展，纹理表面缺陷检测技术大幅飞跃。直至今日，关于纹理表面缺陷检测的调研和综述仍然很少，在此背景下，我们全面回顾了2017年-2021年间200余篇纹理表面缺陷机器视觉检测论文，对纹理表面缺陷机器视觉检测研究进展进行了及时、全面的调查。本文回顾了纹理表面缺陷检测的发展历史和最新研究进展，原则
【机 构】
：
华中科技大学机械科学与工程学院数字制造装备与技术国家重点实验室
【基金项目】
：
国家自然科学基金项目（51875228）； 国家重点研发计划（2020YFA0405700）； 佛山市产业领域科技攻关专项（2020001006509）；
论文部分内容阅读
纹理表面缺陷检测在机器视觉领域具有意义和挑战性，其历史可以追溯到20世纪中后期，近年来随着深度学习技术的蓬勃发展，纹理表面缺陷检测技术大幅飞跃。直至今日，关于纹理表面缺陷检测的调研和综述仍然很少，在此背景下，我们全面回顾了2017年-2021年间200余篇纹理表面缺陷机器视觉检测论文，对纹理表面缺陷机器视觉检测研究进展进行了及时、全面的调查。本文回顾了纹理表面缺陷检测的发展历史和最新研究进展，原则上将纹理表面缺陷机器视觉检测方法分为传统方法与深度学习方法，并对二者进行了深层次研究分析，特别是深度学习方法。本文对近期出现的几种纹理表面缺陷机器视觉检测方法主题进行总结的同时，也对这些主题的研究进展进行了综述。最后，我们对未来的研究趋势进行了展望，以期为后续研究提供指导和启示。
其他文献
目的探讨SOAP门诊药历在促进门诊患者安全合理用药及其在提高药学服务质量中的作用。方法选取近年在东莞市第五人民医院心内科多次住院的患者,采用SOAP模式建立门诊药历,结合其在药学监护中的实际应用情况,总结并分析其在促进门诊患者安全合理用药中的作用。结果通过对患者建立SOAP门诊药历,进行用药跟踪随访,药师能更好地将理论知识应用于临床,培养临床思维,能及时发现用药问题及潜在的不良反应,促进患者安全合
心血管慢病防治药品品类繁多，但目前缺乏科学、规范的药品临床综合评价体系。为引导和推动相关医疗机构规范开展心血管慢病相关药品的临床综合评价，由浙江大学医学院附属杭州市第一人民医院牵头，联合杭州市药事管理质控中心及杭州市15家市属医疗机构共同参与，通过广泛征求临床和药学专家建议，制定了《心血管慢病药品临床综合评价杭州专家共识》，并以降压药品和调脂药品为例进行了试点评价。本专家共识的评价体系采用百分制量
针对现有微特电机电枢表面缺陷检测方法存在检测精度不高，特别是对相似性工件容易误判等问题，结合深度学习的方法，提出一种基于改进BiFPN的电枢外观缺陷检测方法。工业相机采集到的电枢图像通过匹配算法经过裁剪得到ROI,将ROI输入到EfficientNet结构，进行基础特征提取；采用通道注意力机制增强改进的BiFPN结构，对提取出的不同维度特征进行融合，并对特征进行筛选；使用分类器输出最终检测结果。结
心血管慢病防治领域药品品类繁多，但目前缺乏科学、规范的药品临床综合评价体系。为引导和推动相关医疗机构规范开展心血管慢病相关药品的临床综合评价，由浙江大学医学院附属杭州市第一人民医院牵头，联合杭州市药事管理质控中心及杭州市15家市属医疗机构共同参与，通过广泛征求临床和药学专家建议，制定了《心血管慢病药品临床综合评价杭州专家共识》，并以降压药品和调脂药品为例进行了试点评价。本专家共识的评价体系采用百分
社会保障是我国依法建立的，能够实现最广大人民群众共享发展成果的重要制度安排，作为社会发展的“减震器”和“安全阀”，提高社会保障的能力和水平能够更好满足人民需求。然而，当前西藏自治区的社会保障仍存在诸多不足，如果这些问题不能得到有效解决，不仅不利于西藏的长足发展和长治久安，并有可能加剧其他社会矛盾。因此，进一步发展和完善西藏社会保障制度是西藏经济社会发展的应有之义。
近年来,市场经济快速发展使得化工企业在迎来更多发展机遇,同时也面临着更为激烈市场竞争以及更多的风险威胁。面对这样发展形势,化工企业必须想方设法提高内控水平,强化自身风险防范能力,而财务管理作为其内部控制关键环节,同时也面临着较大风险威胁。基于此,文章从风险管理角度分析了化工企业内控存在的主要问题,进而对相关的优化内控措施进行了有效探讨,希望能够为提高化工企业内控管理水平,提高风险应对能力提供
职业教育与经济社会发展联系最为紧密和直接,理解职业教育高质量发展的基本理论问题,应建立在其实践的背景、模式、方法等基础之上。本研究通过对《关于推动现代职业教育高质量发展的意见》的文本解读,发现职业教育高质量发展从政策制定层面看是由规模到质量、再到高质量的发展阶段;从政策要素层面看是将高质量发展理念融入职业教育体制、机制及教育教学改革过程中,通过多维协作满足经济社会发展和人民群众职业教育权利双重需要
针对缺陷检测方法中存在检测所需时间较长、漏检率较高等问题，基于机器学习，提出封口处视觉缺陷图像检测方法。首先，采用小波阈值去噪方法对烟草包装封口处图像进行小波变换，抑制图像噪声；在图像去噪处理后，使用机器学习基函数对封口处纹理图像进行小波分解，将图像分解成彼此独立的子窗口。然后计算不同窗口的差分统计纹理特征值，最后运用欧式距离分类器进行缺陷判断，结合Harris角点检验算法进一步完成缺陷部分精确检