摘要：基于深度学习的机器视觉技术在工业缺陷检测上具有重要的应用价值,相较于传统方法可显著提高检测质量和效率,同时降低人工成本。通过分析近年来深度学习在缺陷检测方面的研究与应用,归纳其难点与相关的解决方法,将问题分为缺陷数据集在建立过程中存在的问题与检测模型的选择两个方面。首先,在数据层面,针对缺陷的样本少、数据标注类型复杂、数据成像质量低等问题,对应分析了少样本学习,无监督、半监督、自监督、弱监督学习以及数据增强、图像增强、图像翻译的应用;其次,在检测算法模型的选择上,根据模型类型的不同,分为基于CNN、基于Transformer以及混合模型3类进行讨论,同时根据检测任务需求的不同,又分别从图像分类、目标检测、语义分割3个方面展开论述。此外,总结了工业上常用的轻量化模型的设计方法。最后,对该领域未来的发展方向进行了讨论与展望。

摘要：闪烁体探测器γ能谱测量中,闪烁光子的产生、传输及光电器件收集、倍增均对能谱的分辨有巨大影响。为了精确模拟闪烁体探测器的能量分辨,采用蒙特卡洛模拟软件GEANT4建立了一套模型,分别对Na I(TI),LaBr_3:0.5%Ce^(3+)闪烁体探测器测量能量为662 ke V的γ射线能谱进行模拟,获得的结果与实验测试结果能够很好的符合,验证了建立模型合理性与可靠性,为闪烁体的设计提供了一套更精确的开发工具。