智能缺陷检测通常是对工业产品表面缺陷的检测，目前缺陷检测应用最多，且对外观有严格要求的产品包括金属、玻璃、电子元器件等。

传统机器视觉系统面对复杂多变的缺陷类型，需要根据实际的场景搭建不同的算法模块，程序相对固定更改十分繁琐。而机器视觉系统借助深度学习算法，在各类缺陷检测案例中，通过对缺陷图像的大量识别训练，能够更快的构建出算法模型。

通过智能缺陷检测算法快速响应，能够做到从样品到批量成品的复制加工；还能统计分析对比不同批次的产品缺陷图片，当出现新的缺陷类型时，无需对具体规则进行人工编程和再次构建算法，便可以实现系统的自主升级。