人工密集检测常见于3C、电子、汽车零部件、食品等对产品表面缺陷要求较高的行业，人工目视检测结果往往复检率高，耗费大量的时间和人力成本。

　　同时，质检员培训周期长，招聘困难，给工厂带来很大负担的同时，也制约了企业的发展。 大部分工厂现在自动化程度逐年提高，但自动化现在没有被替代的是质量检查和组装。

　　为什么不基于AI深度视觉算法，使用传统方法的视觉检测技术呢？

　　产品表面缺陷检测是一个复杂的问题，本质上是人脑、眼睛和手的配合，物体形状、颜色的变化必须通过人脑训练的质量检测模型来判别，因此传统的光学检测无法有效应用。

　　智能视觉表面检测技术能解决什么问题，以及与传统视觉检测技术的重要区别是什么呢？

　　传统的视觉技术是通过许多公式提取和定义特征，传统的视觉偏向于定位和测量，以及规则背景下的缺陷识别。

　　限制：

　　提取的特征点有限，影响缺陷特征的定位；

　　同时在复杂的背景和缺陷下，受算法本身的影响，噪声对特征提取影响很大，图上，缺陷和污垢相似度非常高，从曲线中找不到相应的规则，缺陷识别变得困难，导致过检测率高。