计算机视觉与深度学习 ｜ 工业视觉缺陷检测如何检小缺陷？背景概述，原理，检测难点，常用的检测算法，算法评估指标，新项目算法选择，算法部署
工业视觉小缺陷检测技术解析
背景概述
工业视觉缺陷检测是智能制造中质量控制的核心环节，而小缺陷检测（如微米级划痕、点状污渍、细微裂纹等）因其目标小、易受干扰等特点，成为技术难点。随着制造业对精度要求提升（如3C电子、半导体、精密零部件行业），传统人工目检和基础算法已无法满足需求，深度学习与成像技术的结合成为主流解决方案。例如，腾讯优图通过亚微米级成像技术实现精密部件缺陷检测，阿丘科技在手机镜头检测中结合AI与传统算法提升准确率。
检测原理
小缺陷检测的核心是通过高分辨率成像与算法分析，提取微小异常特征。其流程通常包括：
- 成像增强：采用动态自适应多焦成像（如腾讯优图的蝶式结构复原算法）或光度立体法（Halcon），通过多角度光源捕捉表面梯度信息，增强缺陷对比度。
- 图像预处理：降噪（高斯滤波、中值滤波）、直方图均衡化、频域变换（傅里叶滤波）等，减少背景干扰。
- 特征提取与分类：传统算法依赖灰度、纹理、形状特征&#x