啤酒瓶的质量检测。一般这种玻璃瓶会有一定次品、不良品，特征是，内部细细的裂缝纹路长度长于一定限制，那么这种啤酒瓶在运输或者开瓶盖的过程中就有炸裂的风险。

所以，采用计算机摄像，机器视觉，人工智能的技术，加以判断甄别，减少人工工作量和失误。

现在，各种基于人工智能、机器学习、深度学习的自动检测、探伤、表面缺陷检测的产品部署在一条条生产线上。

当你买到拿到心仪的产品的时候，映入眼帘的，就是它的外观，这是靠模具厂、组装厂的工人们精心呵护生产出来的，有的靠人眼检查，有的靠自动化设备检查，不放过一点瑕疵。

缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，许多公司，例如速嵌智造，把深度学习算法应用到工业场合中。

现在，机器视觉在工业检测、包装印刷、食品工业、航空航天、生物医学工程、军事科技、智能交通、文字识别等领域得到了广泛的应用。工业检测领域是机器视觉应用中比重**的领域，主要用于产品质量检测、产品分类、产品包装等，如：零件装配完整性检测，装配尺寸精度检测，位置/角度测量，零件识别，PCB板检测，印刷品检测，瓶盖检测，玻璃、烟草、棉花检测，以及指纹、汽车牌照、人脸、条码等识别。表面质量检测系统是工业检测的极其重要的组成部分，机器视觉表面缺陷检测在许多行业开始应用，涉及钢板、玻璃、印刷、电子、纺织品、零件、水果、木材、瓷砖、钢轨等多种关系国计民生的行业和产品。

如下图所示，这里以QuickEmbed研究的布匹数据作为案例，常见的有以下三种缺陷，磨损、白点、多线。

识别结果如下

工业零件在制造完成的时候，往往需要去检测其完整性和功能性。如下图所示，几种常见缺陷检测。

工件裂纹