中国制造2025研究规划的实施,对工业产品的要求从中国“制造”向中国“智造”转变。现有的基于拍照检测的工业质检环节的准确率和实时性存在局限,现代自动化流水线化的工业生产工程中,需要研究基于视频时空间信息挖掘的机器视觉缺陷检测算法,简便流水线工业产品质量检测流程,降低繁琐的检测环节,进一度优化质检环节。本文通过研究电磁脉冲红外热成像和光激励机器视觉检测的基本原理,总结深度学习中目标检测和视频目标检测算法现状。从卷积神经网络结构和特征融合的改进上进行创新,提出了基于视频时空间缓存的交叉卷积神经网络缺陷检测算法,对流水线化的实时检测产品线提出了深度学习解决方案,既在检测速度上达到了实时水平,而且在效果上达到了对比通用目标检测算法中最优水平,在红外热成像检测平台和光激励机器视觉检测实验平台上的检测验证有效性和鲁棒性。本文的主要研究工作如下:1)通过脉冲激励红外热成像系统和光激励机器视觉系统对排气管道试件进行实验,获取收集相关热图序列和视频。针对视频帧序列数据进行特征分析,从小目标检测能力提升和视频时空间信息利用两个主要方向进行研究。对比测试多种主流目标检测算法的技术要点,总结归纳其用于缺陷检测和小目标检测的改进思路,探讨常见视频目标检测进行时空间信息传播的实现方式,结合红外热图序列和视频帧的特征,研究适用于红外热图像和光激励视频序列的视频缺陷检测算法。2)通过对排气管道试件的红外热成像缺陷检测可行性验证和总结,建立起光激励机器视觉检测实验平台,实验收集相关数据集,提出了基于时空间信息缓存的交织检测流框架,其中具有显著不同速度和识别能力的多特征抽取器在不同帧上异步检测,以减少冗余计算并从视频上下文中学习深层信息。它通过卷积LSTM模块将先前帧的信息传送给当前检测。针对缺陷检测领域中昂贵的数据集收集和标注,目标是从小数据集中学习一个有效且健壮的网络。算法在运行速度达到45FPS的实时速度的同时,在排气管道光激励视觉检测的实验结果中8)达到96.5%,达到了最优的通用目标检测算法水平,而（80）达到了97.4%。通过与对比算法进行比较,本文提出的新型算法具有更好的检测性能以及鲁棒性。