2. 常见缺陷类型：划痕、裂纹、脏污、凹坑、气泡、异物、变形、色差、毛刺、缺料

做工业视觉这几年，我接触过的缺陷种类少说也有几十种。但说实话，真正在产线上反复出现的，翻来覆去就是这十类。你想想看，不管是手机外壳、汽车零件还是食品包装，缺陷的物理本质其实就那么几种——要么是表面受损，要么是内部夹杂，要么是形状不对。

我个人习惯把缺陷分成三大类：表面缺陷、内部缺陷和形状缺陷。这样分类有个好处——你拿到一个项目，先判断缺陷属于哪一类，然后对应的检测思路基本就定了。下面我逐个拆解，每个类型我都会结合项目经验来讲。

2.1 表面缺陷：划痕、裂纹、脏污、凹坑

表面缺陷是最常见的，也是工业视觉检测的基本盘。说白了，就是产品表面出现了不该有的东西，或者表面结构被破坏了。

2.1.1 划痕

划痕的本质是材料表面的连续性被破坏。我在项目中遇到过最头疼的案例——手机中框的细微划痕。那种划痕深度只有几微米，在正常光照下根本看不见，但一到特定角度就原形毕露。

划痕检测的关键点：

• 方向性：划痕通常有明确的方向，可以利用方向滤波增强特征
• 连续性：真正的划痕是连续的，而灰尘或纤维是离散的
• 深度差异：浅划痕和深划痕的成像特征完全不同

2.1.2 裂纹

裂纹和划痕最大的区别在于：裂纹是从内部向外扩展的，而划痕是从外部向内侵入的。裂纹往往意味着结构强度问题，在质检中属于致命缺陷。

我记得有一次做陶瓷基板的裂纹检测，一开始用常规的阈值分割，效果很差。为什么？因为裂纹太细了，像素宽度只有1-2个像素，而且背景纹理复杂。后来改用局部梯度分析，效果才上来。

裂纹检测的难点：

• 宽度极细，容易在降噪过程中被抹掉
• 形态不规则，没有固定的形状模板
• 容易和材料本身的晶界、纹理混淆

2.1.3 脏污

脏污可能是最"烦人"的缺陷。为什么？因为它的形态、大小、位置、颜色完全随机。你今天训练集里全是油污，明天产线上来的是灰尘，后天又变成了指纹。

我曾经在一个食品包装项目上栽过跟头。一开始用颜色特征做脏污检测，效果很好。结果换了批次，包装纸的颜色稍微偏黄了一点，整个模型就崩了。从那以后，我养成了一个习惯——脏污检测一定要做光照归一化。

2.1.4 凹坑

凹坑是表面局部凹陷，常见于冲压件、铸造件。它的成像特征很典型——边缘有阴影，中心区域亮度变化平缓。但问题在于，凹坑的深度、直径、边缘锐利度变化范围很大。

我个人习惯用光度立体法来做凹坑检测。通过多角度光源重建表面法向，凹坑区域的法向变化模式非常清晰。当然，这个方法对硬件要求高，产线上不一定能部署。

2.2 内部缺陷：气泡、异物

内部缺陷藏在材料里面，肉眼看不见，必须借助透射光或X光才能发现。这类缺陷的检测难度往往比表面缺陷高一个量级。

2.2.1 气泡

气泡在透明材料（玻璃、塑料）中非常常见。它的成像特征是：边缘有亮环（折射效应），中心区域亮度偏低。但气泡太小的时候，这个特征就不明显了。

我记得做手机玻璃盖板的气泡检测时，客户要求检出直径0.1mm以上的气泡。这个尺寸在500万像素相机下也就3-4个像素。常规的Blob分析根本不行。后来我用了相位对比成像，利用气泡的折射特性增强对比度，才勉强达到要求。

2.2.2 异物

异物就是材料里面混进了不该有的东西。比如塑料件里的金属屑、玻璃里的结石、食品里的杂质。异物的检测难点在于——你永远不知道它是什么、长什么样。

我曾经遇到过一个案例：锂电池隔膜里的金属异物。这种缺陷如果不检出，电池短路就是迟早的事。但金属异物在X光下的成像特征和气泡很像，都是暗斑。怎么区分？后来我发现，金属异物的边缘比气泡锐利得多，而且没有亮环。就靠这个差异，把误检率降了下来。

2.3 形状缺陷：变形、色差、毛刺、缺料

形状缺陷关注的是产品整体的几何和外观属性。这类缺陷的检测往往需要参考标准件进行对比。

2.3.1 变形

变形是产品的整体形状偏离了设计规格。比如注塑件的翘曲、冲压件的扭曲。变形检测的核心是建立标准形状模型，然后计算实际产品与模型的偏差。

我做过一个汽车内饰件的变形检测项目。一开始用模板匹配，但变形是全局的，局部匹配根本不准。后来改用主动形状模型（ASM），把变形的模式建模成几个主成分，效果好了很多。

2.3.2 色差

色差是产品颜色偏离了标准色。听起来简单，但实际做起来坑很多。最大的坑是——光照变化。同一个产品，上午测和下午测，颜色值能差出好几个ΔE。

我的做法是：用标准色卡做实时校准。每次检测前，先拍一张标准色卡，计算出当前光照下的颜色校正矩阵，然后再测产品。这样能把光照波动的影响降到最低。

2.3.3 毛刺

毛刺是加工边缘残留的多余材料。常见于冲压、注塑、机加工等工艺。毛刺的检测难点在于——它和产品边缘连在一起，很难用简单的分割方法提取。

我建议用边缘轮廓分析。先提取产品的精确轮廓，然后计算轮廓的局部曲率。毛刺所在的位置，曲率会发生突变。这个方法比直接做形态学处理稳定得多。

2.3.4 缺料

缺料就是产品少了不该少的部分。比如注塑件的填充不足、铸件的缩孔。缺料检测的关键是知道"完整"的样子。

我习惯用差分检测：把待测图像和标准图像对齐，然后直接相减。但这里有个前提——对齐必须非常精确。哪怕偏差1个像素，差分结果里全是假阳性。所以我会先用亚像素配准做对齐，再做差分。

2.4 缺陷类型知识图谱

下面这张图总结了十类缺陷的分类体系和检测思路。我建议你把它当作一个快速参考——拿到新项目，先定位缺陷属于哪一类，然后从对应的检测思路里找方案。

2.5 缺陷类型与检测算法匹配

知道了缺陷长什么样，下一步就是选算法。下面这个表格是我多年项目经验的总结，你可以直接拿来当参考。

缺陷类型	推荐算法	适用场景	注意事项
划痕	方向滤波 + 线检测	金属、玻璃、塑料表面	避免与纹理方向混淆
裂纹	局部梯度分析	陶瓷、玻璃、涂层	降噪时保留细线特征
脏污	颜色分析 + 纹理特征	食品包装、电子元件	必须做光照归一化
凹坑	光度立体 / 深度估计	冲压件、铸造件	对硬件要求较高
气泡	相位对比 + Blob分析	透明材料	小气泡容易漏检
异物	边缘锐度 + 密度特征	食品、电池、塑料	需要区分气泡和金属
变形	主动形状模型 / 配准	注塑件、冲压件	需要建立标准模型
色差	颜色校正 + 色差公式	印刷、喷涂、纺织	光照波动是最大干扰
毛刺	边缘曲率分析	机加工、冲压	与产品边缘粘连
缺料	差分检测 + 亚像素配准	注塑、铸造	配准精度要求极高