一、表面疵病检测项目

1. 划痕检测

• 检测目标：金属、玻璃、塑料等材料表面的线性损伤。
• 技术方法：高分辨率线阵CCD相机结合偏振光，通过散射光强度变化识别划痕深度与长度。
• 标准参考：ISO 9211-4（光学元件表面疵病等级）、ASTM D7869（塑料表面划痕评价）。

2. 凹坑与凸起检测

• 检测目标：冲压件、注塑件的局部凹陷或隆起。
• 技术方法：激光轮廓扫描仪构建3D表面模型，对比理论CAD数据判定公差范围。
• 关键参数：深度/高度偏差（±0.01 mm）、分布密度（单位面积缺陷数）。

3. 异物附着检测

• 检测目标：粉尘、油污、残留颗粒等污染物。
• 技术方案：多波段光谱成像技术，通过异物与基材的反射率差异实现分类识别（如金属屑与非金属异物）。

4. 裂纹与崩边检测

• 检测重点：脆性材料（陶瓷、半导体晶圆）边缘微裂纹。
• 检测设备：共聚焦显微镜+图像拼接算法，分辨率达亚微米级。
• 行业挑战：暗场照明下区分真实裂纹与伪影。

5. 氧化与腐蚀检测

• 应用场景：金属镀层、焊接部位的表面氧化斑。
• 技术路线：紫外荧光检测（氧化区荧光响应差异）或热成像（腐蚀区导热系数变化）。

二、阴影质量检测项目

1. 涂层阴影一致性

• 问题来源：喷涂/镀膜工艺不均导致的局部厚度差异。
• 检测手段：白光干涉仪测量膜厚分布，结合图像处理识别阴影梯度异常区域。
• 判定标准：厚度偏差≤5%（如汽车漆面检测）。

2. 装配误差阴影分析

• 典型案例：手机屏幕与边框间隙不均导致光照阴影不规则。
• 技术方案：结构光投影+相位解析，重建三维装配面差，计算阴影对称性。

3. 光学阴影伪影检测

• 应用领域：摄像头模组、AR/VR镜片的杂散光干扰。
• 检测流程：在暗室中模拟多角度入射光，捕捉透镜内部反射形成的异常阴影。

4. 纹理阴影匹配度

• 检测对象：木纹、皮革等装饰材料的纹理连续性。
• 算法核心：基于GAN的纹理生成模型对比实际图像，量化阴影区域与非纹理区的相似度。

三、关键检测技术对比

四、检测标准与行业规范

1. 国际标准
   • ISO 10110（光学元件表面缺陷分级）
   • IEC 61340-5-1（静电敏感器件表面洁净度）
2. 行业规范
   • 汽车行业：IATF 16949中对A级表面（可见区）的零容忍疵病要求。
   • 消费电子：Apple IPQC标准规定屏幕阴影不均匀度≤0.5%。

五、未来趋势与技术挑战

1. AI驱动的缺陷分类
   • 基于深度学习的语义分割算法（如U-Net++）可提升复杂背景下的疵病识别准确率。
2. 多模态数据融合
   • 结合X射线、超声与光学数据，实现表面与内部缺陷的关联分析。
3. 在线实时检测系统
   • 嵌入式GPU+5G传输，达成毫秒级响应与产线100%全检覆盖。