制造业是中国工业化的源头，是实现现代化的主力军，在中国每天都要生产大量的工业产品。随着生活品质的提高，对产品质量的要求越来越高，除要求满足使用性能外，还要有良好的外观，即良好的表面质量。不同产品的表面缺陷有着不同的定义和类型，如金属表面的划痕、斑点、孔洞，纸张表面的色差、压痕，玻璃等非金属表面的夹杂、破损、污点，等等。表面缺陷不仅影响产品的美观和舒适度，而且一般也会对其使用性能带来不良影响，所以生产企业对产品的表面缺陷检测非常重视，以便及时发现，从而有效控制产品质量，从而杜绝或减少缺陷品的产生等。

机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。

机器视觉是一种无任何接触、无任何损伤的自动检测技术，是实现设备自动化生产、智能化生产和带有精密控制的有效方式，具有安全可靠、应范广泛、工作换将要求低可在恶劣环境工作、可不间断连续工作、效率高等突出特点。机器视觉检测系统通过光源和图像传感器(工业相机)获取产品的表面图像，利用图像处理算法提取图像的特征信息，然后根据特征信息对表面缺陷的定位、识别、分类等判定与统计，同时将数据存储、输出、查询等相应的操作。

机器视觉表面缺陷检测系统主要组成包括：图像接收获取模块、图像预处理模块、图像检测分析模块、数据存储管理口模块。在光源的照明下，通过光学镜头将产品表面成像于相机传感器上，光源直接影响到图像的质量，其作用是克服环境光干扰，保证图像的稳定性，获得对比度尽可能高的图像。

机器视觉表面缺陷检测系统在图像预处理模块中，主要对图像去噪、增强、复原、缺陷的检测和目标分割。由于现场环境、工业相机成像差异、图像传输损耗等产生图像噪声，这些噪声降低了图像的质量，对图像预处理和分析带来影响，要对图像进行预处理降低噪声干扰。

什么是人工智能视觉检测

人工智能在视觉检测方面的价值尤为明显。基于人工智能的视觉检测技术正在完善制造业商业运作的能力。

基于人工智能的视觉检测依赖于人工智能的两个主要优势：计算机视觉和深度学习。感知环境，并根据这些感知采取行动是每个人工智能系统都具备的核心能力。通过深度学习能够适应一系列环境，使其在众多行业中都有所应用。具有无限的潜力，可以快速开发，满足制造商的需求。

与人眼能够发现缺陷一样，一个训练有素的人工智能视觉系统也能做到这一点，而且效率更高。基于人工智能的视觉系统由感知设备和深度学习算法这两个集成组件组成：感知设备就像“眼睛”，而深度学习算法就像“大脑”。这个集成系统成功地模仿了人类的眼脑解读图像的能力，比人眼更有效，因为人工智能“大脑”存储了更多的信息。强大的计算能力可以快速解析可用数据，可以对照片和视频中的物体进行分类，并执行复杂的视觉感知任务：搜索图像和字幕，检测物体，识别和分类。

人工智能视觉检测的优势

1.提高效率

从前的自动化系统依赖于缺陷库、异常列表和复杂的过滤器。为了确保信息的准确性，不断积累信息、清理信息，以及重新执行信息，其过程所花费的时间会降低有效性，浪费劳动力。人工智能和深度学习不需要长时间的编程或冗长的算法。该系统学习速度很快，几个星期就能训练完成。

2.产品改进和质量控制

制造商可以使用人工智能来记录检验结果并评估产品质量。在整体过程中可以成功跟踪数据并实施改进的指标包括：工艺配方、设备差异、部件供应商、工厂位置。

此外，还可以对检测图像和结果进行跟踪和记录。这些措施防止了未来的故障，从而节省了时间和额外的生产成本。在所有的计划和检测中应用基于深度学习的机器视觉，可以帮助制造商及早识别和解决问题。

3.降低劳动力成本

人工智能解决方案的一致性比大多数专业的人类审查程度要高。人类检测员必须经过培训，大概每次只能保持15-20分钟的高度集中。员工流动也是一个问题，人工成本每年都会增加。由于这些原因，基于人工智能的视觉检测比手工劳动更划算。