返回视觉矩阵

一、 典型的算法流水线

图像采集 → 预处理 (滤波/校正) → 特征提取 (边缘/Blob) → 逻辑判定 → I/O 输出。

二、 传统分析工具：稳定性的基石

几何匹配 (Pattern Match)

基于边缘轮廓的形状定位。在光照变化剧烈的情况下，比灰度匹配更具鲁棒性。

Blob 分析

用于统计连通区域的面积、中心、圆度。在瑕疵筛选中极其高效。

三、 深度学习：攻克非标瑕疵

利用深度神经网络（如卷积神经网 CNN）识别那些“难以描述”的缺陷，如脏污、不规则裂纹。通过小样本训练实现 99.9% 以上的检出率。