表面缺陷检测技术研究的背景和意义 基于机器视觉的表面缺陷自动检测是确保自动化生产中产品质量的一个非常重要的环节，其广泛地应用在织物表面检测、食品表面检测、钢表面检测、木头和瓷砖表面检测等领域，并在多晶硅太阳能电池表面检测等生产领域具有广阔的应用前景。

表面缺陷检测的关键技术包括超声波、光干涉等硬件技术和缺陷检测方法，本文重点研究了表面缺陷检测方法。

在现代工业自动化生产中，涉及到各种各样的检查、测量和零件识别应用，例如光盘表面印刷质量检查，汽车零配件尺寸检查和自动装配的完整性检查，电子装配线的元件自动定位，饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等。

这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。

通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，我们经常在一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序，在给工厂增加巨大的人工成本和管理成本的同时，仍然不能保证100%的检验合格率（即”零缺陷”）。

有些时候，如微小尺寸的精确快速测量，形状匹配，颜色辨识等，用人眼无法连续稳定地进行。

而且人工检测还有可能因受到检测人员主观因素的影响较大，对产表面质量的检测不能得到足够的保证。

由于人工检测的等等缺陷，科研工作者自然而然的想到了利用图像处理技术来实现检测的自动化。

90年代，大规模集成电路的飞速发展，一方面使得计算机的速度成倍的提高，而计算机的价格却持续下降，另一方面使得CCD的分辨率也越来越高，各公司也在各FPGA的基础上推出了各种图像处理得专用芯片这一切使得图像处理在工业产品表面缺陷检测中的应用的到了飞速的发展。

由于数字图像在工业中的应用前景非常广泛，各个大公司也都纷纷开发出各种基于图像处理的检测系统。