SCHNOKA施努卡：基于机器视觉的表面缺陷检测方法有哪些

施努卡（SCHNOKA）成立于2010年，先后在上海，苏州及武汉建立了分公司。国家高新技术企业，致力于打造面向智能产线与智慧工厂最强控制大脑的高科技公司。公司围绕感知&识别核心技术构建智能装备，基于机器人视觉算法与单机器人工作站、多机器人群体共融、行业定制化应用。打造产品体系，面向智能生产线、智慧物流等场景实现软件定义智能。

SCHNOKA （施努卡）在3D机器视觉算法、机器人柔性控制、手眼协同融合、产线级机器人协同、工厂级智能规划与调度等方面均由领先技术和行业落地应用，在汽车工业智能分拣产线、大尺寸高精度三维量测、大场景物流搬运机器人智能分拣等方面有丰富的项目经验。

SCHNOKA（施努卡）的多个核心产品汽车工业标杆生产线、锂电新能源灯塔工厂、工程机械智慧工厂、智慧物流等多个领域多个场景应用落地。已经和百亚国际、稳健医疗、米老头集团、维达纸业、一汽大众、上汽大众、沃尔沃汽车、奇瑞捷豹路虎、吉利汽车、长安汽车、上汽通用五菱、长城蜂巢新能源、三一重工、中航工业沈飞、中隧集团、西门子高压开关、中国中车、ABB（中国）等国内外知名企业建立了良好的伙伴合作关系，获得头部客户广泛好评

基于机器视觉的表面缺陷检测技术在理论研究和工业实际应用中均取得了满意的成果，但现阶段仍存在以下问题和难点。
（1）在图像采集阶段，受光照条件、现场环境、拍摄角度和距离等因素的影响，被检测物体的表观特征会产生变化，对检测精度产生一定的影响，同时，噪声的干扰以及被检测物体的部分遮挡也会影响到图像的质量，降低系统的检测性能。如何提高图像采集的质量，最大程度上降低外界因素的干扰是需要解决的问题之一。
（2）传统机器视觉的缺陷检测方法依赖于特征模板的选择及提取，特征提取的好坏对整体检测系统的检测精度及性能有着决定性作用，同