计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着DLIA工业缺陷检测深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能DLIA工业缺陷检测算法技术。

物体检测是视觉感知的第一步，也是计算机视觉的一个重要分支。物体检测的目标，就是用框去标出物体的位置，并给出物体的类别。DLIA工业缺陷检测的图像分类问题就是给输入图像分配标签的任务，这是DLIA视觉检测的核心问题之一。这个过程往往与DLIA工业缺陷检测机器学习和深度学习不可分割。

一张图像中是否包含某种物体，对图像进行特征描述是物体分类的主要研究内容。一般说来，物体分类算法通过手工特征或者特征学习方法对整个图像进行全局描述，然后使用分类器判断是否存在某类物体。如果说图像识别解决的是what，那么物体定位解决的则是where的问题，利用DLIA工业视觉技术找到图像中某一目标物体在图像中的位置，即定位。目标物体的定位对于计算机视觉在AI安防、自动驾驶等领域的应用有着至关重要的意义。

在图像处理过程中，有时会需要对图像进行分割来提取有价值的用于后继处理的部分，例如筛选特征点，或者分割一或多幅图片中含有特定目标的部分等。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。DLIA工业缺陷检测视觉技术是通过创建人工模型来模拟本由人类执行的视觉任务，其本质是模拟人类的感知与观察的一个过程，这个过程不止识别，而是包含了一系列的过程，并且最终是可以在人工系统中被理解和实现的。