本书是作者近年来在工业领域表面缺陷智能检测方面理论研究和实际应用技术成果的全面总结，涉及有限样本和小样本条件下的检测理论和方法、人类视觉机制及多模态融合的相关基础理论和实际应用技术。全书分二维图像篇、三维点云篇、光度立体篇、多模态融合篇等四个篇章对相关理论和方法进行系统介绍。 本书可供工业缺陷检测、机器视觉智能检测、智能制造等相关领域的研究人员和工程技术人员学习和参考，也适合作为高等学校研究生和高年级本科生的教学用书。

序
前言
第1章 绪论
1.1 工业缺陷检测的背景意义
1.2 缺陷检测研究国内外现状
1.2.1 基于二维图像的缺陷检测研究现状
1.2.2 基于三维点云的缺陷检测研究现状
1.2.3 基于光度立体的缺陷检测研究现状
1.3 本书结构及宗旨
参考文献
二维图像篇
第2章 人类视觉机制下的缺陷检测
2.1 基于显著性的板带钢缺陷检测
2.1.1 基于多约束及改进纹理特征的显著性检测算法
2.1.2 基于编码-解码残差精细化网络的显著性检测算法
2.2 基于显著性的路面缺陷检测
2.2.1 路面缺陷显著性检测网络模型设计
2.2.2 网络模型训练
2.2.3 实验结果及分析
2.3 基于注意力机制的缺陷检测
2.3.1 脆性材料加工后表面质量检测
2.3.2 金属成型过程中钢板表面覆盖油污检测
2.3.3 脆性材料加工后亚表面损伤检测
2.3.4 金属材料加工后亚表面白层检测
参考文献
第3章 有限样本下的缺陷检测
3.1 有限样本下钢轨表面缺陷检测
3.1.1 快速检测
3.1.2 缺陷分割
3.2 有限样本下纹理表面缺陷检测
3.2.1 多级融合特征的监督缺陷检测算法研究
3.2.2 交替训练的半监督缺陷分类算法研究
3.3 少样本场景下金属表面缺陷识别方法研究
3.3.1 基于双原型自编码器的半监督异常检测算法
3.3.2 基于最优运输的少样本图像分类算法
3.3.3 基于图神经网络的少样本图像分割算法
3.4 基于小样本学习的路面缺陷分类
3.4.1 任务定义和描述
3.4.2 模型结构
3.4.3 网络模型训练
3.4.4 实验结果及分析
参考文献
第4章 图像级标注下的缺陷检测
4.1 基于弱监督学习的金属表面缺陷定位检测
4.1.1 基于特征激活图的伪标签生成
4.1.2 表面缺陷检测网络结构设计与训练过程
4.1.3 回归损失函数的选择
4.1.4 正负样本选择机制的优化
4.1.5 实验研究
4.2 基于弱监督学习的钢轨表面缺陷分割检测
4.2.1 任务分析及解决方案
4.2.2 基于尺寸先验图像级分割模型
4.2.3 数据集及评价指标
4.2.4 实验结果及分析
4.3 等效标签的弱监督缺陷检测算法研究
4.3.1 网络EL-CAM
4.3.2 网络训练
4.3.3 在缺陷检测数据集上的实验结果及分析
4.3.4 在缺陷分类数据集上的实验结果及分析
参考文献
三维点云篇
第5章 结构光下的缺陷检测
5.1 基于Hg_Census变换的立体匹配方法
5.1.1 立体匹配方法的理论基础
5.1.2 Hg_Census立体匹配方法
5.1.3 实验结果与分析
5.2 多源融合匹配的三维重构
5.2.1 三步相移轮廓测量原理
5.2.2 融合被动匹配与主动条纹的三维重构
5.2.3 实验结果与分析
参考文献
光度立体篇
第6章 光度立体下的缺陷检测
6.1 基于法线图的复杂特征测定技术
6.1.1 复杂特征关键点回归问题
6.1.2 复杂特征在线测量系统架构
6.1.3 实验结果与分析
6.2 样本受限的复杂特征测定技术
6.2.1 方法概述
6.2.2 域无关的自监督学习框架
6.2.3 实验结果与分析
参考文献
多模态融合篇
第7章 三维/二维融合的缺陷检测
7.1 融合灰度和深度信息的板坯复杂表面ROI检测
7.1.1 ROI检测方法
7.1.2 实验结果与分析
7.2 基于三维及彩色信息的钢轨表面缺陷检测
7.2.1 检测算法
7.2.2 实验装置
7.2.3 基于显著性的钢轨缺陷检测
7.2.4 实验对比
参考文献