基于機(jī)器視覺(jué)的表面缺陷檢測(cè)是未來(lái)研究和發(fā)展的主要方向，目前在基于機(jī)器視覺(jué)的表面缺陷檢測(cè)理論研究和實(shí)際應(yīng)用等環(huán)節(jié)取得了可喜的成果，但仍存在以下主要問(wèn)題和難點(diǎn)：

　　1 )受環(huán)境、光照、生產(chǎn)技術(shù)和噪聲等多重因素的影響，檢測(cè)系統(tǒng)信噪比普遍較低，微弱信號(hào)難以檢測(cè)或無(wú)法有效區(qū)分為噪聲。 如何建立穩(wěn)定、可靠、穩(wěn)健的檢測(cè)系統(tǒng)來(lái)應(yīng)對(duì)光照變化、噪聲和其他外界惡劣環(huán)境的干擾，是需要解決的問(wèn)題之一。

　　2 )由于檢測(cè)對(duì)象多樣、表面缺陷種類(lèi)多、形態(tài)多樣、背景復(fù)雜，許多缺陷類(lèi)型的產(chǎn)生機(jī)制與其外在表現(xiàn)形式關(guān)系不明確，缺陷描述不充分，缺陷特征提取有效性不高，缺陷目標(biāo)分割困難； 同時(shí)，很難找到“標(biāo)準(zhǔn)”圖像作為參考，給缺陷的檢測(cè)和分類(lèi)帶來(lái)了困難，識(shí)別率有待提高。

　　3 )機(jī)器視覺(jué)表面缺陷檢測(cè)尤其是在線檢測(cè)，以數(shù)據(jù)量大、冗余信息多、特征空間維度高為特點(diǎn)，同時(shí)考慮到機(jī)器視覺(jué)面臨的對(duì)象和問(wèn)題的多樣性，缺乏從海量數(shù)據(jù)中提取有限缺陷信息的算法能力。

　　4 )與機(jī)器視覺(jué)表面檢測(cè)密切相關(guān)的人工智能理論得到了很大的發(fā)展，但如何模擬人腦的信息處理功能建立智能機(jī)器視覺(jué)系統(tǒng)還需要在理論上進(jìn)一步研究，如何基于生物視覺(jué)識(shí)別更好地指導(dǎo)機(jī)器視覺(jué)的檢測(cè)也是研究者的難點(diǎn)之一。

　　5 )從機(jī)器視覺(jué)表面檢測(cè)的準(zhǔn)確性方面來(lái)看，盡管不斷涌現(xiàn)出一系列優(yōu)秀算法，但實(shí)際應(yīng)用中的準(zhǔn)確率仍與滿(mǎn)足實(shí)際應(yīng)用的需要還有一定差距，如何處理正確識(shí)別與模糊特征之間、實(shí)時(shí)性與準(zhǔn)確性之間的矛盾

　　隨著計(jì)算機(jī)技術(shù)、信息技術(shù)、電子技術(shù)、傳感器技術(shù)和仿生技術(shù)等的發(fā)展，機(jī)器視覺(jué)檢測(cè)方法也將得到迅速的發(fā)展。 根據(jù)技術(shù)和市場(chǎng)需求等因素，機(jī)器視覺(jué)表面缺陷檢測(cè)的發(fā)展趨勢(shì)如下

　　1 ) MARR理論對(duì)計(jì)算機(jī)視覺(jué)起著很大的作用，其核心是將視覺(jué)理解為3D重建的過(guò)程。 但是從3D場(chǎng)景到2D圖像是多對(duì)一的映射，在映射過(guò)程中深度信息會(huì)丟失； 灰度是對(duì)場(chǎng)景的唯一測(cè)定值，例如無(wú)法反映光、材料特性、方向和距離等信息； 如果圖像受到噪聲和環(huán)境等的影響，圖像會(huì)產(chǎn)生失真。 因此有必要研究視覺(jué)檢測(cè)的新理論和新方法，如主動(dòng)視覺(jué)的發(fā)展、視覺(jué)系統(tǒng)智能學(xué)習(xí)能力的增強(qiáng)等。