瑕疵检测的常见技术主要包括以下几种：
1. 基于机器视觉的检测方法：
使用工业相机拍摄产品图片，然后利用图像处理算法（如滤波、边缘检测、形态学处理等）对图片进行分析处理，以识别出产品表面或边缘的瑕疵，如划痕、坑洞、色差异常等。
这种方法具有高效、全面的特点，能够实现对产品全面区域的快速检测。
2. 基于深度学习算法的瑕疵检测方法：
通过模型训练学习瑕疵的视觉特征，实现对产品瑕疵的自动化识别。
这种方法可以适应不同种类产品的检测，但需要大量已标注样本进行训练。
深度学习算法中，有监督学习和无监督学习是两种主要的方法。有监督学习依赖于标注的瑕疵数据进行训练，能够提供高精度的检测结果；而无监督学习则不需要标注数据，主要通过学习正常样本特征来检测异常。
3. 基于激光技术的瑕疵检测方法：
利用激光线照射产品表面，然后分析返回信号中散射成分的变化情况，由此检测出表面是否存在微小结构缺陷，如凸起、凹陷、毛刺等。
这种方法对细微表面瑕疵检测效果好，但只能对扫描轨迹上的点进行检测。
4. 基于超声波技术的内部瑕疵检测方法：
通过分析超声波穿透产品内部后返回信号的变化，来检测产品内部存在的松散、空洞、裂纹等结构缺陷。
这种方法可以实现对产品内部致命缺陷的无损检测，但对外表缺陷敏感度较差。
5. 视觉检测技术在涂胶瑕疵检测中的应用：
通过高分辨率相机和先进的图像处理算法，能够精确识别涂胶过程中的各种瑕疵，如气泡、断胶、漏胶、涂胶不均匀等。
这种方法具有高精度、实时性强的特点，能够提高企业产品质量和降低不良品率。
瑕疵检测的常见技术包括基于机器视觉、深度学习算法、激光技术、超声波技术以及视觉检测技术在涂胶瑕疵检测中的应用等多种方法。这些方法各有特点，可根据不同应用场景选择使用。
