基于機器視覺的表面缺陷檢測將是未來研究和發(fā)展的主要方向，目前，基于機器視覺的表面缺陷檢測理論研究和實際應用等環(huán)節(jié)均有可喜的成果。

受環(huán)境、光照、生產工藝和噪聲等多重因素影響，檢測系統(tǒng)的信噪比一般較低，微弱信號難以檢出或不能與噪聲有效區(qū)分。如何構建穩(wěn)定、可靠、魯棒的檢測系統(tǒng)，以適應光照變化、噪聲以及其他外界不良環(huán)境的干擾，是要解決的問題之一。

由于檢測對象多樣、表面缺陷種類繁多、形態(tài)多樣、復雜背景，對于眾多缺陷類型產生的機理以及其外在表現(xiàn)形式之間的關系尚不明確，致使對缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目標分割困難;同時，很難找到“標準”圖像作為參照，這給缺陷的檢測和分類帶來困難，造成識別率尚有待提高。

機器視覺表面缺陷檢測，特別是在線檢測，其特點是數(shù)據(jù)量龐大、冗余信息多、特征空間維度高，同時考慮到真正的機器視覺面對的對象和問題的多樣性，從海量數(shù)據(jù)中提取有限缺陷信息的算法能力不足，實時性不高。

與機器視覺表面檢測密切相關的人工智能理論雖然得到了很大的發(fā)展，但如何模擬人類大腦的信息處理功能去構建智能機器視覺系統(tǒng)還需要理論上的進一步研究，如何更好的基于生物視覺認識、指導機器視覺的檢測也是研究人員的難點之一。

從機器視覺表面檢測的準確性方面來看，盡管一系列優(yōu)秀的算法不斷出現(xiàn)，但在實際應用中準確率仍然與滿足實際應用的需求尚有一定差距，如何解決準確識別與模糊特征之間、實時性與準確性之間的矛盾仍然是目前的難點。