人工密集檢測常見于3C、電子、汽車零部件、食品等對產品表面缺陷要求較高的行業，人工目視檢測結果往往復檢率高，耗費大量的時間和人力成本。

　　同時，質檢員培訓周期長，招聘困難，給工廠帶來很大負擔的同時，也制約了企業的發展。 大部分工廠現在自動化程度逐年提高，但自動化現在沒有被替代的是質量檢查和組裝。

　　為什么不基于AI深度視覺算法，使用傳統方法的視覺檢測技術呢？

　　產品表面缺陷檢測是一個復雜的問題，本質上是人腦、眼睛和手的配合，物體形狀、顏色的變化必須通過人腦訓練的質量檢測模型來判別，因此傳統的光學檢測無法有效應用。

　　智能視覺表面檢測技術能解決什么問題，以及與傳統視覺檢測技術的重要區別是什么呢？

　　傳統的視覺技術是通過許多公式提取和定義特征，傳統的視覺偏向于定位和測量，以及規則背景下的缺陷識別。

　　限制：

　　提取的特征點有限，影響缺陷特征的定位；

　　同時在復雜的背景和缺陷下，受算法本身的影響，噪聲對特征提取影響很大，圖上，缺陷和污垢相似度非常高，從曲線中找不到相應的規則，缺陷識別變得困難，導致過檢測率高。