需求背景、现状：产品外观缺陷在线检测最传统的方法就是采用人工目视检测法，鉴于人工目视检测存在对人眼伤害大、主观性强、准确率低、不确定性大、易产生歧义和效率低下等缺点，已很难满足对产品质量及外观越来越高的严格要求。随着电子技术、图像传感技术和计算机技术的快速发展，利用基于图像传感技术的视觉在线检测方法已逐渐成为外观缺陷检测的重要手段，因为这种方法具有自动化、非接触、速度快、准确度高等优点。
所要解决的技术问题：1.不同缺陷的种类复杂：
类间差异大，工业品的外观缺陷复杂多样，不同类别的缺陷之间形态特征可能差异极大，这种差异导致检测算法的普适性不强，许多缺陷需单独开发检测算法，开发复杂度极高。
类间模糊性大，类间模糊是类间差异大的另一极端，即不同类别的缺陷的表观特征具有一定的相似性，难以区分缺陷的种类，也就无法准确判断缺陷产生的原因，无法给产品准确定级。
背景复杂，在生产场景中难以将缺陷和背景完全分离，缺陷特征不明显。
2.同类缺陷的差异较大：
由于生产过程中光照条件、生产批次不同、设备状态等因素的影响，同类缺陷的大小、对比度和灰度值等表观特征呈现较大的变化，缺陷特征并不服从同一分布。
3.受干扰因素较多：
受环境、光照、生产工艺和噪声等多重因素影响，检测系统的信噪比一般较低，微弱信号难以检出或不能与噪声有效区分。
以基于机器视觉技术的检测系统为例，工件位置的一致性、打光的稳定性、相机及镜头的匹配度、检测算法的有效性等都会直接影响图像采集的质量和检测系统的应用性能，这需要机器、电气、视觉、传感等多套系统的配合。
4.算法能力不足：
机器视觉表面缺陷检测，特别是在线检测，其特点是数据量庞大、冗余信息多、特征空间维度高，同时考虑到真正的机器视觉面对的对象和问题的多样性，从海量数据中提取有限缺陷信息的算法能力不足，实时性不高。
预期达到的效果（技术指标、规格等）：
1.自动检测产品表面异物、瑕疵、缺陷、尺寸,毛丝,脏污,溢胶等问题，可完成尺寸检测，及缺胶、多胶、少胶、堵孔等多种不良检测。
2.不论是M*N矩阵式还是队列式，均可自动定位检测。
3.引导式设计，操作简便，即学即用，工件无需对位，随意摆放亦可准确检测。
4.硬件上包含相机、镜头、光源、工控机、GPU的选型和现场部署；软件上包含2D视觉、3D视觉和深度学习算法开发。