Uso del aprendizaje profundo para detectar defectos en la manufactura: una encuesta integral y desafíos actuales

La detección de defectos en productos es esencial en el control de calidad en la manufactura. Este estudio examina los métodos de aprendizaje profundo más avanzados en la detección de defectos. Primero, clasificamos los defectos de los productos, como componentes electrónicos, tuberías, partes soldadas y materiales textiles, en categorías. Segundo, se revisan las técnicas convencionales recientes y los métodos de aprendizaje profundo para defectos, describiendo sus características, fortalezas y debilidades. Tercero, resumimos y analizamos la aplicación de pruebas ultrasónicas, filtrado, aprendizaje profundo, visión por computadora y otras tecnologías utilizadas para la detección de defectos, centrándonos en tres aspectos: método y resultados experimentales. Para entender mejor las dificultades en el campo de la detección de defectos, investigamos las funciones y características del equipo existente utilizado para dicha detección. Se resumen las ideas centrales y códigos de estudios relacionados con detección de alta precisión, alta posición, detección rápida, objetos pequeños, fondo complejo, detección de objetos ocultos y asociación de objetos. Por último, esbozamos los logros y limitaciones actuales de los métodos existentes, junto con los desafíos de investigación actuales, para asistir a la comunidad investigadora en la detección de defectos en el establecimiento de una agenda futura para estudios adicionales.