在我們日常生活中，經常遇到購買商品存在瑕疵，我們溯源便會發現，這些問題基本是工廠的表面缺陷檢測出了問題，除了部分不注意品控的廠商外，大部分廠企出現這個原因的根本因素辨識產線人工參與模式。

       人工參與模式，人工檢查，這個在用人成本不高的年代，市場需求不挑剔的年代，人工缺陷檢測的方式無傷大雅，但是伴隨著市場需求不斷擴大，要求進一步提升，人工模式越來越無法滿足市場的需求，為了進一步的解決這些生產矛盾問題，自動化生產線開始將目光轉向了機器視覺，以機器代替人眼的方式來進行表面缺陷檢測！

       缺陷檢測廣泛用于布匹缺陷檢測、工件表面質量檢測、航空航天領域等。 傳統的算法在規則缺陷和場景比較簡單的情況下可以發揮作用，但在特征不清晰、形狀多樣、場景混亂的情況下不適用。 近年來，基于深度學習的識別算法越來越成熟，許多公司如速嵌智造將深度學習算法應用于工業場合。

　　目前，機器視覺廣泛應用于工業檢測、包裝印刷、食品工業、航空航天、生物醫學工程、軍事科學技術、智能交通、文字識別等領域。 工業檢測領域是機器視覺應用中比重領域，主要用于產品質量檢測、產品分類、產品包裝等，如零部件裝配完整性檢測、裝配尺寸精度檢測、位置/角度測量、零部件識別、印刷物檢測、瓶蓋檢查、玻璃表面質量檢測體系是工業檢測極其重要的組成部分，機器視覺表面缺陷檢測開始在許多行業應用，涉及鋼板、玻璃、印刷、電子、紡織品、零部件、水果、木材、瓷磚、導軌等許多相關計算民生的行業和產品。

      對于產品出現瑕疵這個問題來說，這是一個永遠無法規避的問題，但是如何讓出廠的產品沒有問題，這便是我們廠企運營需要思考的問題，表面缺陷檢測過程是一個不錯的道路，將劣質產品攔截在廠區大門，如此下來，市場就可以達到100%品控！