近年來，傳統(tǒng)的算法對規(guī)則缺陷以及場景比較簡單的場合，能夠很好工作，但是對特征不明顯的、形狀多樣、場景比較混亂的場合，則不再適用。基于深度學習的識別算法被開發(fā)出來，更是隨著市場的運用越發(fā)成熟，許多公司，把深度學習算法應用到工業(yè)場合中。

       工業(yè)檢測領域是機器視覺缺陷無損檢測應用中比重最大的領域，主要用于產(chǎn)品質(zhì)量檢測、產(chǎn)品分類、產(chǎn)品包裝等，如：零件裝配完整性檢測，裝配尺寸精度檢測，位置/角度測量，零件識別，PCB板檢測，印刷品檢測，瓶蓋檢測，玻璃。

       無損檢測有很多種，包括圖像視覺檢測、X射線檢測、磁粉檢測、超聲波檢測等。雖然X射線檢測、磁粉檢測、超聲波檢測等具有檢測對象廣泛、較強的穿透力、檢測速度較快等優(yōu)點，但是使用這些技術(shù)的設備很昂貴，絕不是一個小廠能承擔得起的，而圖像視覺檢測，也就是機器視覺缺陷無損檢測的設備很便宜，單個設備加機器也不過是幾萬到十幾萬之間。