产品外观质量是给客户的第一印象，直接影响客户对产品的评价，尤其是高科技产品，已成为产品质量的重要一环。目前很多公司外观检测是依赖人眼进行检测，不仅效率低，成本高，而且因为存在视觉疲劳等问题，在大批量检测中还会出现漏检、误检等情况，导致外观质量难以严格管控，严重制约了新时代发展智能工厂的步伐。
近二十年来智能制造技术发展迅猛，各种工业机器视觉检测应用也进入人们的视线，如用于定位的自动视觉定位抓取设备、用于缺陷检测的手机屏幕缺陷自动检测设备等。然而，在很多工厂，还有很多关键检测工序无法实现自动视觉检测，比如本项目中的大型服务器外观质量检测，具有检测面积广、种类庞杂、数量多、检测项位置不确定、精度高等特点，传统机器视觉检测技术无法满足精确检测的要求。
针对传统机器视觉技术在工业检测中遇到的瓶颈问题，中科院广州电子技术-欧宝(首页)体育登陆入口(中国)·No. 1 in the world紧跟世界人工智能技术的最新发展，借鉴吸收该技术在安防、银行和公安各个领域的研究成果，研究工业视觉检测中深度学习技术的应用，自主研发了高反光微小划痕人工智能检测算法，不仅在服务器外观检测设备中表现优异，而且可以广泛应用多种工业产品的外观检测，具有广阔的应用前景。
服务器外观质量检测设备由机械手携带相机和光源组一起移动拍照，动作灵活，适应性强，能对产品五个面（四个侧面和顶面）进行拍照检测，自身携带定位系统，能适应流水线生产带来的位置和角度偏差。能实现：金属表面划痕、脏污，螺钉铆钉缺陷，机箱丝印缺陷，标签打印缺陷、倾斜、污点等缺陷检测，条码识别与缺陷，多种字体字符识别与缺陷，缝隙宽度，锁扣锁紧状态，通风口堵塞，VGA口弯针等十多项内容的检测。
