隨著新一代信息技術與制造業的深入融合，引發制造業產生巨大變革，逐步從數量擴增向質量提升轉變。通過提升產品質量來生產高附加值、高利潤的產品，可以實現產品競爭力的躍升，所以，加強品質檢驗是制造業生產中最常用的方式。 影響產品品質的因素多種多樣，例如外觀品質、功能品質、性能品質等。用戶和生產企業對產品質量的要求越來越高，除了較高的功能品質和性能品質之外，對外觀品質的要求也在逐年提高，即良好的表面質量。 然而，即便是嚴格把控制造的每一道流程，生產良品率也無法達到100%，這意味著總會有不合格品被生產出來。 而表面缺陷檢測便是阻止不合格品流入市場的“門神”。

1.產品表面缺陷檢測

作為生產制造過程中必不可少的一步，表面缺陷檢測廣泛應用于各工業領域，包括3C、半導體及電子、汽車、化工、醫藥、輕工、軍工等行業，催生了眾多上下游企業。 自20世紀開始，表面缺陷檢測大致經歷了三個階段，分別是人工目視法檢測法、機械裝置接觸檢測法以及機器視覺檢測法。 第一種是人工目視法檢測法。制造企業招聘大量的質檢工人，采取流水線的形式進行檢測。然而，隨著人口紅利的消失，以及工作枯燥、自由度低、薪酬較少，愿意從事質檢的越來越少，用工難問題愈發凸顯，這種方法不僅成本高，而且在對微小缺陷進行判別時，難以達到所需要的精度和速度，人工檢測法還存在勞動強度大、檢測標準一致性差等缺點。 第二種是機械裝置接觸檢測法。這種方法雖然在質量上能滿足生產的需要，但存在檢測設備價格高、靈活性差、速度慢等缺點。 第三種是機器視覺檢測法。為了在不斷變化和競爭愈發激烈的市場中占據優勢，企業既要不斷提高產品質量標準以滿足客戶需求，又要不斷提升生產線的效率以適應市場的快節奏。采用自動化、智能化的表面缺陷檢測方法是兼顧質量與效率的重要手段。 即利用圖像處理和分析對產品可能存在的缺陷進行檢測，這種方法采用非接觸的工作方式，安裝靈活，測量精度和速度都比較高，同一臺機器視覺檢測設備可以實現對不同產品的多參數檢測，為企業節約大筆設備開支。

2.表面缺陷檢測存在的問題

基于機器視覺的表面缺陷檢測將是未來研究和發展的主要方向，目前，基于機器視覺的表面缺陷檢測理論研究和實際應用等環節均有可喜的成果，但仍存在下面主要的問題和難點：

不同缺陷的種類復雜

類間差異大，工業品的外觀缺陷復雜多樣，不同類別的缺陷之間形態特征可能差異極大，這種差異導致檢測算法的普適性不強，許多缺陷需單獨開發檢測算法，開發復雜度極高。 類間模糊性大，類間模糊是類間差異大的另一極端，即不同類別的缺陷的表觀特征具有一定的相似性，難以區分缺陷的種類，也就無法準確判斷缺陷產生的原因，無法給產品準確定級。 背景復雜，在生產場景中難以將缺陷和背景完全分離，缺陷特征不明顯。

同類缺陷的差異較大

如下圖中的鐵軌表面缺陷和帶鋼表面缺陷，由于生產過程中光照條件、生產批次不同、設備狀態等因素的影響，同類缺陷的大小、對比度和灰度值等表觀特征呈現較大的變化，缺陷特征并不服從同一分布。

受干擾因素較多

受環境、光照、生產工藝和噪聲等多重因素影響，檢測系統的信噪比一般較低，微弱信號難以檢出或不能與噪聲有效區分。 以基于機器視覺技術的檢測系統為例，工件位置的一致性、打光的穩定性、相機及鏡頭的匹配度、檢測算法的有效性等都會直接影響圖像采集的質量和檢測系統的應用性能，這需要機器、電氣、視覺、傳感等多套系統的配合。 僅最基礎的打光就存在諸多難點，如哪些場景需要漫射光、散射光、直接照射、低角度照射或背光照射，如何在球面、弧面、內腔等不可展曲面的打光等等。 如何構建穩定、可靠、魯棒的檢測系統，以適應光照變化、噪聲以及其他外界不良環境的干擾，是要解決的問題之一。

算法能力不足

機器視覺表面缺陷檢測，特別是在線檢測，其特點是數據量龐大、冗余信息多、特征空間維度高，同時考慮到真正的機器視覺面對的對象和問題的多樣性，從海量數據中提取有限缺陷信息的算法能力不足，實時性不高。 盡管一系列優秀的算法不斷出現，但在實際應用中準確率仍然與滿足實際應用的需求尚有一定差距，如何解決準確識別與模糊特征之間、實時性與準確性之間的矛盾仍然是目前的難點。