机器视觉是一种无任何接触、无任何损伤的自动检测技术，具有安全可靠、应范广泛、工作环境要求低，可不间断连续工作、效率高等特点。机器视觉检测系统通过光源和图像传感器来获取产品的表面图像，再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，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，与人眼能够发现缺陷一样，人工智能视觉系统也能做到这一点，并且效率更高。

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