人工密集检测常见于3C、电子、汽车配件、食品等对产品表面缺陷要求较高的行业。人工目测检查结果往往有很高的复检率，这就耗费了大量的时间和人力成本。

此同时，质量检验员培训周期长，招聘难，不仅给工厂带来了很大的负担，也制约了企业的发展。现在大多数工厂的自动化程度一年比一年高，但自动化现在没有取代的是质量检测和装配。

为什么不用传统的视觉检测方法，采用基于AI深度视觉算法的视觉检测技术。产品表面缺陷检测是一个复杂的问题，本质上是人脑、眼睛和手的协同工作。物体形状和颜色的变化必须通过训练的质量检测模型来判断，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哪些问题，与传统视觉检测技术有哪些重要区别：

传统的视觉技术是通过许多算法来提取和定义特征的，传统的视觉偏向于定位和测量，以及在规则的背景下进行缺陷识别。

局限性：提取的特征点有限，影响了缺陷特征的定位。

同时，在算法本身的影响下，在复杂的背景和缺陷下，噪声对特征提取的影响很大。缺陷和污垢之间的相似性非常高。无法从曲线中找到相应的规则，缺陷识别变得困难，从而导致过检测率很高。