计算机工程与应用

作者：孙林, 张子洋, 贾坤昊, 高涛

单位：1.山东科技大学 测绘与空间信息学院，山东 青岛 266590；2.青岛星科瑞升信息科技有限公司，山东 青岛 266590；

关键词：工业质检,数据增强,目标检测

在工业制造业中，表面缺陷的检测环节对于确保产品质量和生产效率至关重要。当前，基于深度学习的检测技术已逐渐成为该领域的首选方法。由于缺陷样本数量有限且种类繁多，这一领域面临着样本数量与多样性不足的显著挑战，这一状况对深度学习算法的适用性和性能构成了不利影响。针对此，提出一种基于控制点插值变形与多层次加权滤波的工业零件表面缺陷生成方法。该方法利用网格控制点变形技术对缺陷区域进行重构，并通过多层次加权滤波优化生成的缺陷图像的细节，使其更符合实际物理特性和工业应用需求。在工业质检场景下，该方法能够快速生成工业零件缺陷图像，降低数据采集成本，提高质检效率。通过实验与通用数据生成方法做了对比，结果表明该方法的生成样本质量更优。通过使用YOLOv5、YOLOv8、YOLOv11及Faster R-CNN模型对生成图像进行评估与实验验证，验证其能有效提高工业零件缺陷检测的精度，为解决工业缺陷检测中小样本问题提供有效途径。

来源：2026年第6期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第6期