光学表面瑕疵检测广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，把深度学习算法应用到工业场合中。
表面疵病作为一种加工过程中人为造成的微观局部缺陷,对光学元件的表面性能有着轻微的影响,从而有可能造成光学仪器运行错误等严重的后果。总之,光学元件的表面疵病会对光学系统性能产生危害,其根本原因在于光的散射特性。
光学表面瑕疵检测可避免以下危害：
(1)光束的质量下降。元件表面缺陷处会产生光的散射效应,使得光束在通过缺陷后能量被大量消耗,从而降低了光束的质量。
(2)缺陷的热效应现象。由于表面缺陷所处区域比其他区域容易吸收更多的能量,产生的热效应现象可能会使元件疵病发生局部变形、破坏膜层等,进而危害整个光学系统。
(3)损坏所处系统中其他光学元件。激光系统中,在强能量激光束的照射下,元件表面疵病产生的散射光会被系统内的其他光学元件吸收,从而造成元件的受光不均匀,当达到光学元件材料的损伤阀值时,会使传播光线的质量受到影响,光学元件损坏,更有可能造成光学系统被严重的破坏。
(4)疵病会影响视场清洁。当光学元件上有过多的疵病时,会影响微观的美观度,另外,疵病还会残留微小的灰尘、微生物、抛光粉等杂质,这将造成元件被腐蚀、生霉、生雾,会明显影响元件的基本性能。
