機器視覺的外觀缺陷檢測將是未來研究和發展的主要方向，目前，基于機器視覺的外觀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：

一、 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。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。

二、 由于檢測對象多樣、表面缺陷種類繁多、形態多樣、復雜背景，對于眾多缺陷類型產生的機理以及其外在表現形式之間的關系尚不明確，致使對缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目標分割困難;同時，很難找到“標準”圖像作為參照，這給缺陷的檢測和分類帶來困難，造成識別率尚有待提高。

三、 機器視覺外觀缺陷檢測，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。

四、 與機器視覺外觀檢測密切相關的人工智能理論雖然得到了很大的發展，但如何模擬人類大腦的信息處理功能去構建智能機器視覺系統還需要理論上的進一步研究，如何更好的基于生物視覺認識、指導機器視覺得檢測也是研究人員的難點之一。

五、 從機器視覺外觀檢測的準確性方面來看，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。

隨著計算機技術、信息技術、電子技術、傳感器技術和仿生技術等的發展，機器視覺檢測方法也必將得到迅速的發展。技術和市場需求等因素決定了機器視覺外觀缺陷檢測的發展趨勢為：

一、 MARR理論對計算機視覺發揮了巨大作用，其核心是將視覺理解為3D重建的過程。但是，從3D場景到2D圖像是一個多對一的映射，在映射的過程中損失了深度信息;灰度是對場景的惟一的測量值，諸如光照、材料特性、朝向和距離等信息都無法反映;成像中由于噪聲及環境等因素的干擾，都會使圖像產生失真。為此，需要研究視覺檢測新理論和新方法，如發展主動視覺、增強視覺系統的智能學習能力等。

二、 從生物視覺得到啟發，吸收來自心理學、生理學等其他學科中生物視覺的最新研究成果，基于生物視覺機制為視覺檢測提供研究新思路，模仿生物視覺多尺度、層次性的視覺特點，結合視覺任務，引入先驗高級知識的指導，同時將機器視覺、機器聽覺、機器嗅覺、機器觸覺等多信息相互融合，突破單一視覺信息的局限性，也將成為機器視覺檢測的發展方向之一。

三、 研究更具魯棒性的圖像處理和分析算法，提高圖像處理的有效性和和執行效率，降低算法的復雜度，提高識別的準確性。在在線檢測系統中，要特別注重實時性，視覺本身具有內在的并行性，為此，還在要理論、算法和技術等多方面研究視覺并行計算，提高視覺計算的速度。同時，進一步研究算法性能的評價方法，以對算法的效率和性能作了科學、準確的刻化和評價。

四、 研究完整3維場景重建方法。現有3維場景重建理論和算法基本都局限于對目標“可視”部分的重構，如果用Marr視覺計算理論來說，還主要停留在2.5維表達上，這種表達僅提供了物體可見輪廓以內的3維信息。如何恢復物體完整表面的信息，即包括物體表面不可見部分，是一個復雜但也亟待解決的問題。

五、 采用統一而開放的標準，構建標準化、一體化和通用化的解決方案，標準化與個性化的進一步統一，研發可靠性高、維護性好、便于不斷完善和升級換代、網絡化、自動化和智能化更高的機器視覺系統是今后的發展趨勢。

綜上，機器視覺系統的研究和應用范圍涵蓋了工業、農業、醫藥、軍事、交通和安全等國民經濟的各個領域，基于機器視覺的產品表面質量檢測在現代自動化生產中得到了越來越多的重視和應用。

機器視覺外觀缺陷檢測系統中，圖像處理和分析算法是重要的內容，通常的流程包括圖像的預處理、目標區域的分割、特征提取和選擇及缺陷的識別分類。每個處理流程都出現了大量的算法，這些算法各有優缺點和其適應范圍。如何提高算法的準確性、執行效率、實時性和魯棒性，一直是研究者們努力的方向。

機器視覺外觀缺陷檢測比較復雜，涉及眾多學科和理論，機器視覺是對人類視覺的模擬，但是目前對人的視覺機制尚不清楚，盡管每一個正常人都是“視覺專家”，但難以用計算機表達自己的視覺過程，因此構建機器視覺檢測系統還要進一步通過研究生物視覺機理來完善，使檢測進一步向自動化和智能化方向發展。

fqj