1. 研究目的与意义（文献综述包含参考文献）

1. 课题研究背景 产品的表面质量关系着产品的商品价值，也影响着对产品的使用性能，产品表面存在缺陷可能会对使用者产生巨大损失，甚至引发安全事故。

在当今社会，表面缺陷检测自动化已经成为产品生产和维护过程中的必要环节。

随着机器视觉技术的发展，非接触式机器视觉检测技术越来越引起高校、企业和政府的广泛关注。

2. 研究的基本内容、问题解决措施及方案

一、研究内容 由于缺陷和非缺陷区域之间的低对比度，噪音和细微缺陷的相似性，缺陷的随机性，识别精度低等难题使得缺陷检测难以进行。

而当前基于卷积神经网深度学习在语义分割和目标检测等计算机视觉领域获得巨大成功，也发展出了许多优秀的语义分割模型,本课题利用segnet 深度学习语义分割模型实现工件表面缺陷检测。

首先需要对不同检测对象制定标注方案，并手工标注建立缺陷标注数据库。