机器视觉在金属(特别是钢板)表面、纸张等印刷品、纺织品、磁砖、玻璃、木材等表面缺陷检测国内外有较多的研究成果，不乏成功应用系统和案例。

        在钢板表面缺陷检测领域，美国Westinghouse公司采用线阵CCD摄像机和高强度的线光源检测钢板表面缺陷，并提出了将明域、暗域及微光域3种照明光路形式组合应用于检测系统的思路[21]。这些系统可识别的缺陷种类相对较少，并且不具备对周期性缺陷的识别能力。美国Cognex公司研制成功了iS-2000自动检测系统和iLearn自学习分类器软件系统[22]。这两套系统配合有效改善了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足；Parsytec公司为韩国浦项制铁公司研制了冷轧钢板表面缺陷检测系统HTS，该系统能对高速运动的热轧钢板表面缺陷进行在线自动检测和分级的系统，在连轧机和CSP生产线上取得了良好的效果[23]；英国EuropeanElectronicSystem公司研制的EES系统也成功地应用于热连轧环境下的钢板质量自动检测[24]。EES系统实时地提供高清晰度、高可靠性的钢板上下表面的缺陷图像，最终交由操作员进行缺陷类型的分类判别。国内北京科技大学的高效轧制国家工程研究中心也在进行钢板表面质量检测系统的研制，对其常见缺陷类型进行了检测与识别，取得了一定的研究成果[25]，东北大学、上海宝钢集团公司、武汉科技大学等科研院所研究了冷轧钢板表面缺陷的检测系统[26-28]，重庆大学对高温连铸坯表面缺陷进行了研究[29]。

郑重声明：

1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。

2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。