人工密集檢測常見于3C、電子、汽車零部件、食品等對產(chǎn)品表面缺陷要求較高的行業(yè)，人工目視檢測結(jié)果往往復(fù)檢率高，耗費大量的時間和人力成本。
同時，質(zhì)檢員培訓(xùn)周期長，招聘困難，給工廠帶來很大負(fù)擔(dān)的同時，也制約了企業(yè)的發(fā)展。 大部分工廠現(xiàn)在自動化程度逐年提高，但自動化現(xiàn)在沒有被替代的是質(zhì)量檢查和組裝。
為什么不基于AI深度視覺算法，使用傳統(tǒng)方法的視覺檢測技術(shù)呢？
產(chǎn)品表面缺陷檢測是一個復(fù)雜的問題，本質(zhì)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(xùn)練的質(zhì)量檢測模型來判別，因此傳統(tǒng)的光學(xué)檢測無法有效應(yīng)用。
智能視覺表面檢測技術(shù)能解決什么問題，以及與傳統(tǒng)視覺檢測技術(shù)的重要區(qū)別是什么呢？
傳統(tǒng)的視覺技術(shù)是通過許多公式提取和定義特征，傳統(tǒng)的視覺偏向于定位和測量，以及規(guī)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(fù)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(yīng)的規(guī)則，缺陷識別變得困難，導(dǎo)致過檢測率高。
