随着中国经济的发展，国内制造业对于智能制造的需求也越来越迫切，而传统的制造业智能化水平低、自动化程度高，但存在生产效率低、成本高、稳定性差、人工操作多等问题。随着机器视觉技术的不断发展和成熟，自动化程度的进一步提高，自动化生产成为目前制造业生产的主要趋势之一，DLIA系统与自动光学机器视觉分类设备组合成为其中的一个检测设备。

机器视觉表面纹理检测指的是对材料表面上由于纹理不均匀、不连续等缺陷，主要有线状纹路、颗粒状纹理等等。材料表面纹理缺陷检测对于提高产品质量具有重要意义。材料的外观质量直接影响着产品的质量，因此需要对各种不同的材料进行分类，并利用材料表面纹理缺陷检测检测技术对其缺陷进行区分，这也是当前国际上常用的方法。

由于机器视觉表面纹理检测涉及诸多因素影响以及材料本身存在固有缺陷问题，DLIA虚数科技主要研究对象是用于解决金属表面纹理缺陷问题并提高其稳定性与一致性的机器视觉方法以及其具体实现过程。在此背景下，工业视觉领域开始兴起了一股研究热潮。其中工业图像识别是典型的自动图像识别类型，它主要依靠图像识别算法来完成自动光学机器视觉分类等操作。基于深度学习技术通过DLIA软件进行缺陷质检处理，可以有效地提高对机器视觉表面纹理检测缺陷质检准确率和降低成本。