5G时代，产品标签是大数据的收集载体，标签承载着完整的产品信息和展示效果，标签无皱纹、无气泡、无划痕、无毛刺、无漏墨、无翘曲，成品包装上的标签缺陷检测很是重要。

通过标签萃取、标签管理、标签圈群等标签整合手段，促进公司品牌的发展，巩固消费者的消费习惯，产品标签的重要性毋庸置疑，标签缺陷检测更是重中之重。

新时代的新要求让标签又多了一份重要性，即携带更多的产品介绍材料，以二维码的形式展示，链接产品背后更多的品牌故事、产品介绍和其他促销信息。这也对标签缺陷检测提出了更多的要求，必须精确到二维码的一个像素点。

产品标签的粘贴，不论人工粘贴，还是机械粘贴，它们都需要经过一道视觉缺陷检测，以保证产品标签的完整性，排除图案错误、气泡突出错位等问题导致的扫描错误。

随着计算机技术、图像处理技术的快速发展，近年来，许多工厂开始聚焦于机器视觉，希望借助机器视觉技术快速和精准地实现产品标签的缺陷检测，将缺陷检测纳入自动化。机器视觉检测技术是一种非接触式的全新高效检测技术，具备高精准度、高效率、对产品零损伤等优点，可有效地实现设备的生产自动化以及高效柔性化。

DLIA工业机器视觉平台基于深度学习的机器视觉表面缺陷检测方法能够自动从表面缺陷图像中获取不同尺度和不同级别的特征，只用少量的训练数据就可以实现对工业产品表面缺陷的实时分割与检测，很好地契合了生产企业对于产品表面质量检测的高要求。

今天我们就给大家分享一些运用DLIA工业检测平台完成的“产品标签”缺陷检测案例。