機(jī)器視覺(jué)的外觀缺陷檢測(cè)將是未來(lái)研究和發(fā)展的主要方向，目前，基于機(jī)器視覺(jué)的外觀缺陷檢測(cè)理論研究和實(shí)際應(yīng)用等環(huán)節(jié)均有可喜的成果，但仍存在下面主要的問(wèn)題和難點(diǎn)：

一、 受環(huán)境、光照、生產(chǎn)工藝和噪聲等多重因素影響，檢測(cè)系統(tǒng)的信噪比一般較低，微弱信號(hào)難以檢出或不能與噪聲有效區(qū)分。如何構(gòu)建穩(wěn)定、可靠、魯棒的檢測(cè)系統(tǒng)，以適應(yīng)光照變化、噪聲以及其他外界不良環(huán)境的干擾，是要解決的問(wèn)題之一。

二、 由于檢測(cè)對(duì)象多樣、表面缺陷種類繁多、形態(tài)多樣、復(fù)雜背景，對(duì)于眾多缺陷類型產(chǎn)生的機(jī)理以及其外在表現(xiàn)形式之間的關(guān)系尚不明確，致使對(duì)缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目標(biāo)分割困難;同時(shí)，很難找到“標(biāo)準(zhǔn)”圖像作為參照，這給缺陷的檢測(cè)和分類帶來(lái)困難，造成識(shí)別率尚有待提高。

三、 機(jī)器視覺(jué)外觀缺陷檢測(cè)，特別是在線檢測(cè)，其特點(diǎn)是數(shù)據(jù)量龐大、冗余信息多、特征空間維度高，同時(shí)考慮到真正的機(jī)器視覺(jué)面對(duì)的對(duì)象和問(wèn)題的多樣性，從海量數(shù)據(jù)中提取有限缺陷信息的算法能力不足，實(shí)時(shí)性不高。

四、 與機(jī)器視覺(jué)外觀檢測(cè)密切相關(guān)的人工智能理論雖然得到了很大的發(fā)展，但如何模擬人類大腦的信息處理功能去構(gòu)建智能機(jī)器視覺(jué)系統(tǒng)還需要理論上的進(jìn)一步研究，如何更好的基于生物視覺(jué)認(rèn)識(shí)、指導(dǎo)機(jī)器視覺(jué)得檢測(cè)也是研究人員的難點(diǎn)之一。

五、 從機(jī)器視覺(jué)外觀檢測(cè)的準(zhǔn)確性方面來(lái)看，盡管一系列優(yōu)秀的算法不斷出現(xiàn)，但在實(shí)際應(yīng)用中準(zhǔn)確率仍然與滿足實(shí)際應(yīng)用的需求尚有一定差距，如何解決準(zhǔn)確識(shí)別與模糊特征之間、實(shí)時(shí)性與準(zhǔn)確性之間的矛盾仍然是目前的難點(diǎn)。

隨著計(jì)算機(jī)技術(shù)、信息技術(shù)、電子技術(shù)、傳感器技術(shù)和仿生技術(shù)等的發(fā)展，機(jī)器視覺(jué)檢測(cè)方法也必將得到迅速的發(fā)展。技術(shù)和市場(chǎng)需求等因素決定了機(jī)器視覺(jué)外觀缺陷檢測(cè)的發(fā)展趨勢(shì)為：

一、 MARR理論對(duì)計(jì)算機(jī)視覺(jué)發(fā)揮了巨大作用，其核心是將視覺(jué)理解為3D重建的過(guò)程。但是，從3D場(chǎng)景到2D圖像是一個(gè)多對(duì)一的映射，在映射的過(guò)程中損失了深度信息;灰度是對(duì)場(chǎng)景的惟一的測(cè)量值，諸如光照、材料特性、朝向和距離等信息都無(wú)法反映;成像中由于噪聲及環(huán)境等因素的干擾，都會(huì)使圖像產(chǎn)生失真。為此，需要研究視覺(jué)檢測(cè)新理論和新方法，如發(fā)展主動(dòng)視覺(jué)、增強(qiáng)視覺(jué)系統(tǒng)的智能學(xué)習(xí)能力等。

二、 從生物視覺(jué)得到啟發(fā)，吸收來(lái)自心理學(xué)、生理學(xué)等其他學(xué)科中生物視覺(jué)的最新研究成果，基于生物視覺(jué)機(jī)制為視覺(jué)檢測(cè)提供研究新思路，模仿生物視覺(jué)多尺度、層次性的視覺(jué)特點(diǎn)，結(jié)合視覺(jué)任務(wù)，引入先驗(yàn)高級(jí)知識(shí)的指導(dǎo)，同時(shí)將機(jī)器視覺(jué)、機(jī)器聽(tīng)覺(jué)、機(jī)器嗅覺(jué)、機(jī)器觸覺(jué)等多信息相互融合，突破單一視覺(jué)信息的局限性，也將成為機(jī)器視覺(jué)檢測(cè)的發(fā)展方向之一。

三、 研究更具魯棒性的圖像處理和分析算法，提高圖像處理的有效性和和執(zhí)行效率，降低算法的復(fù)雜度，提高識(shí)別的準(zhǔn)確性。在在線檢測(cè)系統(tǒng)中，要特別注重實(shí)時(shí)性，視覺(jué)本身具有內(nèi)在的并行性，為此，還在要理論、算法和技術(shù)等多方面研究視覺(jué)并行計(jì)算，提高視覺(jué)計(jì)算的速度。同時(shí)，進(jìn)一步研究算法性能的評(píng)價(jià)方法，以對(duì)算法的效率和性能作了科學(xué)、準(zhǔn)確的刻化和評(píng)價(jià)。

四、 研究完整3維場(chǎng)景重建方法?，F(xiàn)有3維場(chǎng)景重建理論和算法基本都局限于對(duì)目標(biāo)“可視”部分的重構(gòu)，如果用Marr視覺(jué)計(jì)算理論來(lái)說(shuō)，還主要停留在2.5維表達(dá)上，這種表達(dá)僅提供了物體可見(jiàn)輪廓以內(nèi)的3維信息。如何恢復(fù)物體完整表面的信息，即包括物體表面不可見(jiàn)部分，是一個(gè)復(fù)雜但也亟待解決的問(wèn)題。

五、 采用統(tǒng)一而開(kāi)放的標(biāo)準(zhǔn)，構(gòu)建標(biāo)準(zhǔn)化、一體化和通用化的解決方案，標(biāo)準(zhǔn)化與個(gè)性化的進(jìn)一步統(tǒng)一，研發(fā)可靠性高、維護(hù)性好、便于不斷完善和升級(jí)換代、網(wǎng)絡(luò)化、自動(dòng)化和智能化更高的機(jī)器視覺(jué)系統(tǒng)是今后的發(fā)展趨勢(shì)。

綜上，機(jī)器視覺(jué)系統(tǒng)的研究和應(yīng)用范圍涵蓋了工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、交通和安全等國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域，基于機(jī)器視覺(jué)的產(chǎn)品表面質(zhì)量檢測(cè)在現(xiàn)代自動(dòng)化生產(chǎn)中得到了越來(lái)越多的重視和應(yīng)用。

機(jī)器視覺(jué)外觀缺陷檢測(cè)系統(tǒng)中，圖像處理和分析算法是重要的內(nèi)容，通常的流程包括圖像的預(yù)處理、目標(biāo)區(qū)域的分割、特征提取和選擇及缺陷的識(shí)別分類。每個(gè)處理流程都出現(xiàn)了大量的算法，這些算法各有優(yōu)缺點(diǎn)和其適應(yīng)范圍。如何提高算法的準(zhǔn)確性、執(zhí)行效率、實(shí)時(shí)性和魯棒性，一直是研究者們努力的方向。

機(jī)器視覺(jué)外觀缺陷檢測(cè)比較復(fù)雜，涉及眾多學(xué)科和理論，機(jī)器視覺(jué)是對(duì)人類視覺(jué)的模擬，但是目前對(duì)人的視覺(jué)機(jī)制尚不清楚，盡管每一個(gè)正常人都是“視覺(jué)專家”，但難以用計(jì)算機(jī)表達(dá)自己的視覺(jué)過(guò)程，因此構(gòu)建機(jī)器視覺(jué)檢測(cè)系統(tǒng)還要進(jìn)一步通過(guò)研究生物視覺(jué)機(jī)理來(lái)完善，使檢測(cè)進(jìn)一步向自動(dòng)化和智能化方向發(fā)展。

fqj