传统的机器视觉表面缺陷检测算法结构通过图像预处理得到便于检测的图像，随后借助统计机器学习方法来提取图像特征，进而实现缺陷检测的目标。图像预处理通常包括直方图均衡化、滤波去噪、灰度二值化、再次滤波几部分，以得到前后景分离的简单化图像信息；随后利用数学形态学、傅里叶变换等算法以及机器学习模型完成缺陷的标记与检测。

传统式的机器视觉表面缺陷检测算法在某些特定的应用中已经取得了较好的效果，但仍然存在许多不足。例如：图像预处理步骤繁多且具有强烈的针对性，鲁棒性差；多种算法计算量惊人且无法精确的检测缺陷的大小和形状。而虚数科技研发的基于深度学习的机器视觉表面缺陷检测算法可以直接通过系统学习数据，更新参数，避免了人工设计复杂的算法流程，并且有着极高的鲁棒性和精度。

虚数科技长期致力于为客户提供非标定制的机器视觉系统、机器视觉表面缺陷检测算法、智能视觉装备与核心视觉器件等中高端产品与解决方案。多年来在视觉软件与算法、核心视觉部件、机器学习、深度学习等领域的技术积累，已经形成包括机器视觉自动化检测、缺陷检测，自动定位、尺寸测量、智能检测等在内的各种行业的专业解决方案。