工业视觉中的异常目标检测技术
开题报告
一、研究背景
在人们谈到工业视觉时，不得不提起计算机视觉。计算机视觉是人工智能的重要分支，它从图像或视频中提取符号和数值信息，分析计算该信息以进行目标的识别、检测和跟踪等。更形象的说，计算机视觉是研究如何让机器“看”的学科，它可以模拟、扩展或者延伸人类智能，从而帮助人类解决更大规模更复杂的问题。计算机视觉应用非常广泛，如人脸识别、车辆或行人检测、目标跟踪、图像生成等，其在科学、工业、农业、医疗、交通、军事等大量领域都有着广泛的应用前景。
所谓工业视觉，是计算机视觉在工业生产中的应用，具体是指通过使用计算机视觉代替人眼进行各种质量、安全及完整性和正确性等检测工作，如通过工业视觉可以检测出成品是否存在着缺陷、也可以读取产品及包装上的标签及二维码、条形码，获取产品信息，还可以测量物品距离等。
目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉可以有效减少对人力资本的消耗，具有重要的经济意义。而工业视觉中的异常目标检测技术是工业视觉中的一项关键应用，它一般用于自动检测、工件加工与装配自动化等生产中，帮助企业在产线上实现自动化和无人化，以提高质量、消除误差、提升产能，降低成本，其作用和意义非常重大，既符合国家中长期人工智能发展的战略，又具有重大的经济和社会效益。近年来，随着数字化时代的到来，工业视觉中的异常目标检测技术已成为了理论和应用的研究热点。
本课题就是在此背景下，研究当前工业视觉中的异常目标检测的现状、问题和挑战，并对其部分核心问题进行深度探索和研究，以预期提供一种可行的改进方案。
二、研究现状
近十年，随着大数据、云计算以及深度学习等各种技术的蓬勃发展，目标检测算法及效果也取得了很大的突破。比如Tensorflow的目标检测模型 Faster R-CNN、R-FCN 和 SSD 是三种当前效果最优且应用最广泛的目标检测模型，其他流行的模型通常与这三者类似，在此不再累述。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
