摘要：表面缺陷检测是工业零件质量检测的关键环节。针对工业零件表面缺陷检测算法缺乏系统性文献研究的问题，本文选取2017年至2023年间中国知网（china national knowledge infrastructure， CNKI）与WOS( Web of Science)核心合集数据库作为数据来源，借助CiteSpace可视化分析软件从年度发文量和关键词聚类两个维度，分析了表面缺陷检测算法在工业零件检测领域的研究路线。系统介绍了基于深度学习的工业零件表面缺陷检测算法的研究现状以及单阶段和两阶段目标检测算法的实际应用情况。总结了当前工业零件表面缺陷检测算法存在的关键问题及相应的解决策略，同时对工业零件表面缺陷检测算法的未来发展进行了探讨。
文章目录
1研究方案和现状分析
1.1数据来源
1.2研究方法
1.3研究现状及研究趋势分析
1.3.1发文数量
1.3.2关键词聚类
2基于深度学习的工业零件表面缺陷检测算法
2.1两阶段目标检测算法
2.1.1 R-CNN系列算法
2.1.2其他两阶段目标检测算法
2.2单阶段目标检测算法
2.2.1 YOLO系列算法
2.2.2其他单阶段目标检测算法
2.3 表面缺陷检测算法的局限性及挑战
3表面缺陷检测研究热点
3.1 表面缺陷检测算法的研究热点
3.2 技术应用前景与优化
4结语
