人工检测是产品表面缺陷的传统检测方法，该方法抽检率低、准确性不高、实时性差、效率低、劳动强度大、受人工经验和主观因素的影响大。而随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业条件，主观判断等影响检测结果的准确性，实现能更好更精确地进行表面缺陷检测，更加快速的识别产品表面瑕疵缺陷。
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。
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最大的领域，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。
在一些行业中，质检工作面临检测步骤多、产品数量众多、精度要求高等挑战，对产品外观的要求也愈发苛刻。不同的生产线标准不一，需要人工逐个进行确认，传统质检方法需要消耗大量人力、财力。而且目前更多种类如裂纹、划伤、脏污、缺损、变形、毛刺、异色等外观瑕疵依靠人工质检已越来越难以被检测到。在不同产线，工业AI质检以多光源、多角度对产品拍摄多组高分辨率的照片，更好地呈现细节。基于成像结果，工业AI质检对产品的各类缺陷进行分类、识别、分割等工作，可划分多个缺陷类型并能准确识别与分辨，提升质检效率，大幅降低整体产品检测过杀率与漏检率。此外，AI质检运用智能算法可对部分工序进行升级，同时算法泛化能力和在多产线上进行迁移部署的效率也将得到全面提升。
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。
