（一）工作原理
表面瑕疵检测设备一般通过特定的光源将被检测材料表面照亮，然后利用编码器触发高速相机采集图片，再由图像处理系统对图片进行分析，提取疵点，最后由智能分类器对疵点进行精细化分类、记录查询和分析系统提供历史记录查询和各种维度的数据分析和展示。
（二）应用领域
表面瑕疵检测设备广泛应用于各个领域，例如：
电子行业：可用于检测电子元器件、电路板等产品的表面缺陷，像划痕、污渍、裂纹等。
汽车行业：用于检测汽车零部件的表面缺陷，如漆面不均、气泡、凹陷等。
食品行业：检测食品包装袋、瓶盖等产品的外观缺陷，像破损、变形等。
医药行业：检测药品包装瓶、药片等产品的表面缺陷，如污渍、划痕等。
（三）部分供应商及产品类型
无锡赛默斐视：主营产品包括薄膜表面检测设备、无纺布在线检测设备、纸张表面瑕疵检测、带钢表面检测设备、铝箔检测、玻璃表面缺陷检测、锂电池表面检测等设备，专注于表面瑕疵在线检测系统视觉检测设备的研发。
二、布匹瑕疵检测
（一）传统检测方式的不足
在纺织工业中，布匹的疵点检测是重要环节，但传统的人工检测方式存在诸多问题：
检测速度慢：人工检测的速度有限，难以满足大规模生产的需求。
漏检率高：由于人的注意力难以长时间高度集中，容易遗漏一些疵点。
一致性差：不同的检测人员对于疵点的判断标准可能存在差异。
人员流动率高：人员的流动可能影响检测工作的稳定性和连续性。
（二）基于机器视觉技术的检测系统
新视智科人工智能验布系统
系统组成：
机器视觉部分：由光源、工业相机等组成，主要功能为对布匹疵点进行图像采集。
机械传输部分：负责布料传输及对边卷布。
机柜部分：由工控机、光源控制器、显示器等组成，主要功能是疵点图像处理、算法运行、检测结果显示、告警输出以及数据记录存储等。
检测原理：采用深度学习算法，使机器拥有自主学习功能，通过对布匹疵点不断学习和认识，可不断提高检测准确率。利用布料厂生产的织物图像数据制作数据集，然后利用图像处理技术减弱不同织物的背景纹理信息，最后结合SSD网络模型对处理后的织物样本中的瑕疵进行学习判断与不断调节参数，实现油污、松停车痕、紧停车痕以及错花四种织物瑕疵的分类与识别，平均准确率达到80%，可用于织物瑕疵目标检测。
基于结构纹理法的布匹表面瑕疵检测方法
首先对采集到的布匹图像进行总变差正则化方法处理，将图像分解为背景纹理部分和包含瑕疵的结构部分。
然后对结构部分做图像增强处理并通过计算与标准布匹结构部分图像的相关性进行阈值化处理，得到瑕疵区域的二值图像。
最后保存记录瑕疵区域的像素坐标信息以备后续处理。
