[1] [1] 1卢荣胜， 吴昂， 张腾达， 等. 自动光学（视觉）检测技术及其在缺陷检测中的应用综述［J］. 光学学报， 2018， 38（8）： 23-58. doi: 10.3788/aos201838.0815002LUR SH， WUA， ZHANGT D， et al. Review on automated optical （visual） inspection and its applications in defect detection［J］. Acta Optica Sinica， 2018， 38（8）： 23-58. （in Chinese）. doi: 10.3788/aos201838.0815002

[2] [2] 2范丽丽， 赵宏伟， 赵浩宇， 等. 基于深度卷积神经网络的目标检测研究综述［J］. 光学 精密工程， 2020， 28（5）： 1152-1164.FANL L， ZHAOH W， ZHAOH Y， et al. Survey of target detection based on deep convolutional neural networks［J］. Opt. Precision Eng.， 2020， 28（5）： 1152-1164. （in Chinese）

[3] [3] 3黄坚， 刘桂雄. 面向机器视觉检测的CNN语义分割方法进展［J］. 激光杂志， 2019， 40（5）： 10-16. doi: 10.14016/j.cnki.jgzz.2019.05.010HUANGJ， LIUG X. The development of CNN-based semantic segmentation method for machine vision detection［J］. Laser Journal， 2019， 40（5）： 10-16. （in Chinese）. doi: 10.14016/j.cnki.jgzz.2019.05.010

[4] Q SHI, Y P ZHANG, X P LIU et al. Regularised transfer learning for hyperspectral image classification. IET Computer Vision, 13, 188-193(2019).

[5] [5] 5刘桂雄， 黄坚， 刘思洋， 等. 面向语义分割机器视觉的AutoML方法［J］. 激光杂志， 2019， 40（6）： 1-9. doi: 10.14016/j.cnki.jgzz.2019.06.001LIUG X， HUANGJ， LIUS Y， et al. AutoML method for semantic segmentation of machine vision［J］. Laser Journal， 2019， 40（6）： 1-9. （in Chinese）. doi: 10.14016/j.cnki.jgzz.2019.06.001

[6] J YOSINSKI, J CLUNE, Y BENGIO et al. How transferable are features in deep neural networks？. Advances in Neural Information Processing Systems, 27(2014). https：//arxiv.org/abs/1411.1792v1

[7] O RUSSAKOVSKY, J DENG, H SU et al. ImageNet large scale visual recognition challenge. International Journal of Computer Vision, 115, 211-252(2015).

[8] T Y LIN, M MAIRE, S BELONGIE et al. Microsoft COCO： common objects in context, 740-755(2014).

[9] [9] 9张雪松， 庄严， 闫飞， 等. 基于迁移学习的类别级物体识别与检测研究与进展［J］. 自动化学报， 2019， 45（7）： 1224-1243. doi: 10.16383/j.aas.c180093ZHANGX S， ZHUANGY， YANF， et al. Status and development of transfer learning based category-level object recognition and detection［J］. Acta Automatica Sinica， 2019， 45（7）： 1224-1243. （in Chinese）. doi: 10.16383/j.aas.c180093

[10] [10] 10冯毅雄， 赵彬， 郑浩， 等. 集成迁移学习的轴件表面缺陷实时检测［J］. 计算机集成制造系统， 2019， 25（12）： 3199-3208. doi: 10.13196/j.cims.2019.12.021FENGY X， ZHAOB， ZHENGH， et al. Real-time detection of shaft surface defects based on integrated transfer learning［J］. Computer Integrated Manufacturing Systems， 2019， 25（12）： 3199-3208. （in Chinese）. doi: 10.13196/j.cims.2019.12.021

[11] X FANG, W JIE, T FENG. An industrial micro-defect diagnosis system via intelligent segmentation region. Sensors, 19, 2636(2019).

[12] D J XI, Y QIN, Y Y WANG. Vision measurement of gear pitting under different scenes by deep mask R-CNN. Sensors, 20, 4298(2020).

[13] [13] 13王建林， 付雪松， 黄展超， 等. 改进YOLOv2卷积神经网络的多类型合作目标检测［J］. 光学 精密工程， 2020， 28（1）： 251-260. doi: 10.3788/ope.20202801.0251WANGJ L， FUX S， HUANGZH CH， et al. Multi-type cooperative targets detection using improved YOLOv2 convolutional neural network［J］. Opt. Precision Eng.， 2020， 28（1）： 251-260. （in Chinese）. doi: 10.3788/ope.20202801.0251

[14] [14] 14陈筱， 朱向冰， 吴昌凡， 等. 基于迁移学习与特征融合的眼底图像分类［J］. 光学 精密工程， 2021， 29（2）： 388-399. doi: 10.37188/OPE.20212902.0388CHENX， ZHUX B， WUCH F， et al. Research on fundus image classification based on transfer learning and feature fusion［J］. Opt. Precision Eng.， 2021， 29（2）： 388-399. （in Chinese）. doi: 10.37188/OPE.20212902.0388

[15] D HOIEM, Y CHODPATHUMWAN, Q Y DAI. Diagnosing error in object detectors, 340-353(2012).

[16] K M HE, J SUN. Convolutional neural networks at constrained time cost, 5353-5360(2015).

[17] K M HE, G GKIOXARI, P DOLLÁR et al. Mask R-CNN. IEEE Transactions on Pattern Analysis and Machine Intelligence, 42, 386-397(2020).

[18] G GETTO, J T LABRIOLA. iFixit myself： user-generated content strategy in 'the free repair guide for everything'. IEEE Transactions on Professional Communication, 59, 37-55(2016).

[19] [19] 19黄爱民. 面向标准件机箱装配质量图像特征提取与构建方法研究［D］. 广州： 华南理工大学， 2017.HUANGA M. Research on the Technology of Machine Evaluation and Classification Based on the Assembly Quality of Standard Chassis［D］. Guangzhou： South China University of Technology， 2017. （in Chinese）

[20] S A REBUFFI, A KOLESNIKOV, G SPERL et al. iCaRL： incremental classifier and representation learning, 5533-5542(2017).