No part of this publication may be reproduced or transmitted in any form or by any means, electronic or mechanical, including photocopying, recording, or any information storage and retrieval system, without permission in writing from the copyright owner.

周鹏，北京科技大学智能科学与技术学院副教授，中国人工智能学会智慧医疗专业委员会委员，5G+工业视觉创新实验室副主任，长期从事计算机视觉技术、机器学习在冶金工业的应用研究。IEEE Transactions on Intelligent Transportation Systems、清华大学学报等学术刊物审稿专家。主持和参与国家重点研发、国家自然科学基金、国家科技支撑计划等多项国家级和省部级科研课题。出版专著1部，国家发明专利6项，软件著作权10余项。在国内外著名期刊和重要国际学术会议上发表学术论文40余篇，被SCI和EI收录30余篇。曾获2019年北京市科技进步奖一等奖，2020年冶金科技进步一等奖等省部级以上科研奖励7项。

第1章是绪论，介绍机器视觉、表面检测研究与应用现状、表面缺陷检测与识别算法，并对表面检测技术的难点与发展进行了分析。 第2章从总体框架、硬件、软件等方面对表面在线检测系统进行设计，重点介绍系统设计要求、光路配置和系统设计方案。 第3章在线检测成像方案介绍，本章详细介绍了明暗场成像、光度立体成像、双目立体成像的方案和特点。 第4章表面缺陷检测与识别算法介绍，主要介绍数字图像处理、缺陷特征提取、分类器设计缺陷识别，以及目前主流的深度学习算法在缺陷分割和定位的应用，形成一个完整的缺陷检测与识别算法流程。 第5章复杂纹理背景缺陷检测介绍，表面缺陷检测的一个主流研究方向为纹理表面缺陷检测，本章介绍了均匀的统计和结构纹理表面中，缺陷区域的快速提取方法。然后针对缺陷形态复杂显著性差异大，纹理背景不均匀干扰性强等因素对缺陷区域提取带来的影响，提出了基于掩膜梯度响应的低显著性缺陷提取方法。 第6章多信息融合缺陷检测介绍，金属表面缺陷检测要求模型在复杂多变的场景下保持较高的准确率，基于单一信息的算法缺乏足够多的物体缺陷信息。因此，本章通过融合多模态数据来充分挖掘缺陷信息，并最终提高缺陷目标检测的性能。 第7章在线检测算法部署介绍，主要介绍了计算机操作系统基础知识，算法的多线程加速，算法的多进程加速，算法的GPU加速，算法的多机分布式加速等方法。 第8章高速线材在线检测系统应用介绍，主要介绍了生产速度120ms优钢线材的表面成像特点、在线检测技术路线、检测算法部署等。 第9章水下核电设备表面缺陷检测应用介绍，主要介绍了机器视觉技术在水下核电设备表面缺陷检测中的技术难点以及应用难题，及其系统应用效果。