缺陷检测是工业视觉技术中最重要的组成部分。业务广泛，场景丰富，技术难点高、工作量大。今天我们要介绍的是关于金属表面缺陷检测应用。

一般情况下，工业视觉相机分为面阵和线阵，大部分有点要求的场景对应需要的相机都比较贵，动辄几千块，相机还要配套光源、镜头，都比较贵，一套成像系统下来一万块也只是入门级别的。算法的研发费用也是比较贵的，一种产品缺陷的研发周期至少也是一个月以上，往往需要一个小团队共同开发。很多场景的缺陷至今是无法解决或者无法实用的。这就造成了有的场景利润低，用人工比用机器更省钱，有的场景利润高，可惜没人能作出实用的系统。

对于缺陷的类别，国标中是有定义的，分了很多种情况，针对不同的厂家需求也有不同的要求。比方说印，可分为压印，划痕，坑的具体科目。这里主要分为三类，印，电镀不良及脏污。

训练流程如下：

1、将扫描图片根据金属件宽度缩放到指定大小，并进行微弱的随机放大缩小；

2、设定窗口大小如15x15,以滑动窗口的形式，扫描金属件，得到样本，其中正样本为缺陷面积占窗口大于20%，类别为面积最大的类型（考虑到有交际的情况），负样本为缺陷面积占窗口小于1%，其他情况舍弃（保留中间地带进行界限区分）；

3、采用简单的卷积网络作为分类器训练，多个分类器形成级联分类器；

预测过程如下：

1、对输入图像，根据金属件宽度缩放到指定大小；

2、滑动窗口对缺陷的每一块进行分类；

3、用生长算法将小的缺陷框合成一个大的框输出