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

一、 受環(huán)境、光照、生產(chǎn)工藝和噪聲等多重因素影響，檢測系統(tǒng)的信噪比一般較低，微弱信號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，是要解決的問題之一。

二、 由于檢測對象多樣、表面缺陷種類繁多、形態(tài)多樣、復(fù)雜背景，對于眾多缺陷類型產(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，很難找到“標(biāo)準(zhǔn)”圖像作為參照，這給缺陷的檢測和分類帶來困難，造成識別率尚有待提高。

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

四、 與機(jī)器視覺外觀檢測密切相關(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認(rèn)識、指導(dǎo)機(jī)器視覺得檢測也是研究人員的難點之一。

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

隨著計算機(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)器視覺檢測方法也必將得到迅速的發(fā)展。技術(shù)和市場需求等因素決定了機(jī)器視覺外觀缺陷檢測的發(fā)展趨勢為：

一、 MARR理論對計算機(jī)視覺發(fā)揮了巨大作用，其核心是將視覺理解為3D重建的過程。但是，從3D場景到2D圖像是一個多對一的映射，在映射的過程中損失了深度信息;灰度是對場景的惟一的測量值，諸如光照、材料特性、朝向和距離等信息都無法反映;成像中由于噪聲及環(huán)境等因素的干擾，都會使圖像產(chǎn)生失真。為此，需要研究視覺檢測新理論和新方法，如發(fā)展主動視覺、增強(qiáng)視覺系統(tǒng)的智能學(xué)習(xí)能力等。

二、 從生物視覺得到啟發(fā)，吸收來自心理學(xué)、生理學(xué)等其他學(xué)科中生物視覺的最新研究成果，基于生物視覺機(jī)制為視覺檢測提供研究新思路，模仿生物視覺多尺度、層次性的視覺特點，結(jié)合視覺任務(wù)，引入先驗高級知識的指導(dǎo)，同時將機(jī)器視覺、機(jī)器聽覺、機(jī)器嗅覺、機(jī)器觸覺等多信息相互融合，突破單一視覺信息的局限性，也將成為機(jī)器視覺檢測的發(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，提高識別的準(zhǔn)確性。在在線檢測系統(tǒng)中，要特別注重實時性，視覺本身具有內(nèi)在的并行性，為此，還在要理論、算法和技術(shù)等多方面研究視覺并行計算，提高視覺計算的速度。同時，進(jìn)一步研究算法性能的評價方法，以對算法的效率和性能作了科學(xué)、準(zhǔn)確的刻化和評價。

四、 研究完整3維場景重建方法?，F(xiàn)有3維場景重建理論和算法基本都局限于對目標(biāo)“可視”部分的重構(gòu)，如果用Marr視覺計算理論來說，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部分，是一個復(fù)雜但也亟待解決的問題。

五、 采用統(tǒng)一而開放的標(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換代、網(wǎng)絡(luò)化、自動化和智能化更高的機(jī)器視覺系統(tǒng)是今后的發(fā)展趨勢。

綜上，機(jī)器視覺系統(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、交通和安全等國民經(jīng)濟(jì)的各個領(lǐng)域，基于機(jī)器視覺的產(chǎn)品表面質(zhì)量檢測在現(xiàn)代自動化生產(chǎn)中得到了越來越多的重視和應(yīng)用。

機(jī)器視覺外觀缺陷檢測系統(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別分類。每個處理流程都出現(xiàn)了大量的算法，這些算法各有優(yōu)缺點和其適應(yīng)范圍。如何提高算法的準(zhǔn)確性、執(zhí)行效率、實時性和魯棒性，一直是研究者們努力的方向。

機(jī)器視覺外觀缺陷檢測比較復(fù)雜，涉及眾多學(xué)科和理論，機(jī)器視覺是對人類視覺的模擬，但是目前對人的視覺機(jī)制尚不清楚，盡管每一個正常人都是“視覺專家”，但難以用計算機(jī)表達(dá)自己的視覺過程，因此構(gòu)建機(jī)器視覺檢測系統(tǒng)還要進(jìn)一步通過研究生物視覺機(jī)理來完善，使檢測進(jìn)一步向自動化和智能化方向發(fā)展。

fqj