密封圈作为一种具有良好性能的密封材料，在工业领域具有极其广泛的应用，在汽车、船舶、管道、家用电器等多行业都能看见它的身影，广阔的市场需求促就密封圈产业的蓬勃发展。

密封圈属于大批量生产，在生产过程中难免会出现瑕疵品，因此需要对密封圈的质量进行检测。而机器视觉技术正适用于大批量且检测内容单一的测量、检测和识别环节，所以许多密封圈生产厂家引进机器视觉技术，实现对密封圈的高效缺陷检测。

产品外形复杂缺陷检测面临挑战

密封圈作为工业生产十分关键的机械设备零部件，为了实现密封圈与密封部件之间的完全贴合，需要其表面光滑，严禁出现裂缝、暗纹等瑕疵。但密封圈产品外形复杂，各种形状、款式、大小、材质数不胜数，缺陷类型也十分多样，包括裂纹、沙眼、起皮、飞边、变形、气泡等等，严重影响密封圈的密封性能。

基于机器视觉技术的密封圈缺陷检测，就是借助机器视觉检测软件，处理和分析工业相机采集的密封圈内外台阶与侧壁图像，根据分析的结果产生具体的报告信息，并利用结果控制生产和待测物体的运动。

但密封圈同种缺陷类型之间形状各异、颜色深浅不一，同时还存在缺陷微小成像不明显等情况，导致传统机器视觉较难准确判定，密封圈缺陷检测面临挑战。因此，越来越多的密封圈厂家在传统机器视觉技术中融合深度学习算法，实现更高精度、更高效率的密封圈缺陷检测。

坚持研发投入赋能缺陷检测

现如今，国内机器视觉企业不断提高深度学习算法的研发投入，构建机器视觉相关生态以实现相关技术的持续迭代和发展。但深度学习技术构建生态周期长、成本高，目前只有少数公司实现“传统机器视觉+深度学习”技术之间的融合，深眸科技便是其中之一。

自成立以来，深眸科技深耕机器视觉领域，并不断进行以深度学习为基础的差异化发展战略，通过传统机器视觉与深度学习技术，构建2000+AI行业模型及上千个图像算法处理模型的技术体系，围绕工业场景，创新研发轻辙视觉引擎、工业视觉标注平台、工业AI视觉系统等应用产品，为工业制造领域提供一站式AI视觉解决方案。