缺陷检测中小样本问题的研究进展

摘要

现代工业生产中，深度学习方法已在缺陷检测领域广泛使用，但其检测过程中存在小样本问题。解决小样本问题有助于提高缺陷检测的准确性和效率，降低检测门槛，使更多中小企业能够减少运营成本，提高生产效率。本文首先阐明小样本问题的定义及其带来的影响；然后，综述当前缺陷检测领域中小样本问题的研究现状，分析各类方法的优缺点和适用场景，对比不同方法的成本和可行性，为实际应用提供参考和建议；最后，展望未来研究方向，提出可能的研究思路和解决方案。本文旨在为缺陷检测领域的小样本问题提供系统的理论支持和实践指导，推动该领域的发展和应用。

关键词

缺陷检测 / 小样本 / 深度学习 / 数据增强 / 迁移学习 / 度量学习 / 元学习

基金资助

教育部微惯性仪器与先进导航技术重点实验室基金（SEU-MIAN-202102）; 南京工程学院人才引进科研启动基金（YKJ202043）; 南京市卫生科技发展重大项目（ZDX22001）; 江苏省卫生健康发展研究中心开放课题（JSHD2021017）; 江苏省大学生创新创业训练计划（202311276120Y,202411276102Y,202412276107Y,20241276121Y）