一、表面疵病檢測項目

1. 劃痕檢測

• 檢測目標：金屬、玻璃、塑料等材料表面的線性損傷。
• 技術方法：高分辨率線陣CCD相機結合偏振光，通過散射光強度變化識別劃痕深度與長度。
• 標準參考：ISO 9211-4（光學元件表面疵病等級）、ASTM D7869（塑料表面劃痕評價）。

2. 凹坑與凸起檢測

• 檢測目標：沖壓件、注塑件的局部凹陷或隆起。
• 技術方法：激光輪廓掃描儀構建3D表面模型，對比理論CAD數據判定公差范圍。
• 關鍵參數：深度/高度偏差（±0.01 mm）、分布密度（單位面積缺陷數）。

3. 異物附著檢測

• 檢測目標：粉塵、油污、殘留顆粒等污染物。
• 技術方案：多波段光譜成像技術，通過異物與基材的反射率差異實現分類識別（如金屬屑與非金屬異物）。

4. 裂紋與崩邊檢測

• 檢測重點：脆性材料（陶瓷、半導體晶圓）邊緣微裂紋。
• 檢測設備：共聚焦顯微鏡+圖像拼接算法，分辨率達亞微米級。
• 行業挑戰：暗場照明下區分真實裂紋與偽影。

5. 氧化與腐蝕檢測

• 應用場景：金屬鍍層、焊接部位的表面氧化斑。
• 技術路線：紫外熒光檢測（氧化區熒光響應差異）或熱成像（腐蝕區導熱系數變化）。

二、陰影質量檢測項目

1. 涂層陰影一致性

• 問題來源：噴涂/鍍膜工藝不均導致的局部厚度差異。
• 檢測手段：白光干涉儀測量膜厚分布，結合圖像處理識別陰影梯度異常區域。
• 判定標準：厚度偏差≤5%（如汽車漆面檢測）。

2. 裝配誤差陰影分析

• 典型案例：手機屏幕與邊框間隙不均導致光照陰影不規則。
• 技術方案：結構光投影+相位解析，重建三維裝配面差，計算陰影對稱性。

3. 光學陰影偽影檢測

• 應用領域：攝像頭模組、AR/VR鏡片的雜散光干擾。
• 檢測流程：在暗室中模擬多角度入射光，捕捉透鏡內部反射形成的異常陰影。

4. 紋理陰影匹配度

• 檢測對象：木紋、皮革等裝飾材料的紋理連續性。
• 算法核心：基于GAN的紋理生成模型對比實際圖像，量化陰影區域與非紋理區的相似度。

三、關鍵檢測技術對比

四、檢測標準與行業規范

1. 國際標準
   • ISO 10110（光學元件表面缺陷分級）
   • IEC 61340-5-1（靜電敏感器件表面潔凈度）
2. 行業規范
   • 汽車行業：IATF 16949中對A級表面（可見區）的零容忍疵病要求。
   • 消費電子：Apple IPQC標準規定屏幕陰影不均勻度≤0.5%。

五、未來趨勢與技術挑戰

1. AI驅動的缺陷分類
   • 基于深度學習的語義分割算法（如U-Net++）可提升復雜背景下的疵病識別準確率。
2. 多模態數據融合
   • 結合X射線、超聲與光學數據，實現表面與內部缺陷的關聯分析。
3. 在線實時檢測系統
   • 嵌入式GPU+5G傳輸，達成毫秒級響應與產線100%全檢覆蓋。