缺陷检测论文回顾（一）

前言：把以前刷的一些和基金相关的文章，年前这几周，分批次回顾一下。

[1] A fast and robust convolutional neural network-based defect detection model in product quality control

2017年7月的一篇杂志文章。作者使用一个多层的CNN网络对DAGM2007数据集中的六类缺陷样本进行分类，分类结束之后，对于每一类样本进行缺陷检测。具体做法是：1.使用sliding-window方法在512×512的原图上进行采样，采样大小为128×128；2.对上部分每一类图像采样后的小图像块进行二分类（有缺陷和无缺陷）。最终实验和以前传统方法做的对比，比如SIFT+SVM，效果不错。下图为文章两次分类使用的CNN网络，两次分类的区别在于：1.全连接层的输入分别为6和2；2.输入的图像尺寸不同。

[2] Automatic Defect Detection of Fasteners on the Catenary Support Device Using Deep Convolutional Neural Network

2018年2月的一篇杂志论文。作者将深度卷积神经网络(DCNNs)应用到高铁线路紧固件缺陷检测。结合SSD、YOLO等网络方法构建了一个从粗到细的级联检测网络，包括：两个检测器对悬臂节点及其紧固件进行定位，一个分类器对紧固件缺陷进行分类。特别是实验部分，作者做的很充分，下图为文章的核心。