在传统的工业生产制造，主要是采用人工检测的方法去检测产品表面的缺陷，不仅受限于检测人员的技术，而且检测的速度慢、效率低，更重要的是检测的结果不精确。本文分享工厂检测视觉。

表面缺陷检测任务是指通过对产品表面进行仔细的检查和评估，以发现和识别任何不符合质量标准或设计要求的表面缺陷。这项任务的目的是确保产品的外观质量和功能性满足预定的要求，从而提高产品的整体质量和客户满意度。

检测范围即检测缺陷的种类有哪些，哪些允许漏检，哪些至少检出一个等。最常见也是最头疼的是检测“异物”，如果客户定义是一个开放集合，就需要慎重考虑，因为常见的有监督目标检测深度学习的方法还做不到。如果客户定义是一个闭集，那就需要统计一下每个"异物"种类缺陷的可收集样本数量，重新按照新的缺陷类别进行评定。

缺陷图片的收集是一个体力活，主要分为两种方式：

人工收集：依赖于甲方客户工人师傅收集样本，然后乙方或者甲方派人人工进行照片取样。

半人工收集加自动采集：这种收集方式常见于钢板和布匹纺织品缺陷检测领域，这类任务有一个重要的特点是摄像头拍摄的每张图像在空间上对齐的，即每一处位置在图片上的语义不会变。这种特征保证了可以采用一些半监督或者无监督的异常检测方法来从收集的大量正常样本中获取到异常样本。后续还需要收集固定类别的样本，比如划伤、裂纹等，这个时候就需要人工训练一个CNN分类模型来对缺陷样本进行细粒度的分类。