缺陷概述
外来的非本体物质，靠与背景的对比显形；难点在区分花纹与异物
异物是混入产品或附着在表面的非本体物质，如粉尘、毛发、金属屑、纤维、碎屑等。在均匀漫射光下，异物因颜色、亮度或形态与本体不同而被显形，机器视觉用 Blob/深度学习判定；主要风险是把材料自身的印花、亮片、纹理误判为异物，阈值需由质量部门结合产品定义。
异物在图像上表现为一块与本体材质、颜色或形态不一致的「额外东西」。它可能是深色粉尘落在浅色件上、金属屑反光点、毛发细丝，也可能是前道工序的碎屑黏附。由于异物形态完全不可预测，规则算法难以穷举，深度学习的「异常检测/分割」往往更实用。
异物最易与「材料自身特征」混淆。带印花、亮片、镀层斑点的产品，其正常外观里就有亮点与异色块。判定必须建立该产品的正常外观基准，只把偏离基准、且不符合已知花纹规律的「额外物质」判为异物。
对透明或反光异物（如透明碎屑、玻璃屑），普通漫射光可能看不清，需借助背光、偏振或特定波段提升对比。食品、医药等行业的异物检测还涉及合规与放行标准，具体允收准则必须由质量/法规部门定义。
产生原因
知道成因才知道该在哪个工位设卡
- 环境落尘：开放式工位浮尘、纤维飘落附着
- 设备磨损：刀具/传送带磨损掉屑、金属屑混入
- 来料携带：原材料本身夹带杂质未清除
- 材料自身：印花、亮片、镀层斑点属正常，需排除
- 人员与包装：毛发、皮屑、包装碎屑掉落
成像要点
能不能检出，先看拍不拍得出来
漫射均匀光
使异物以颜色/亮度对比显形，是异物检测的基础照明
透射背光
对透明/半透异物（玻璃屑、透明碎屑）提升对比
偏振光
抑制反光，凸显反光表面上的非镜面异物
正常基准
注册产品正常外观，排除印花/亮片等自身特征
判定方式
判定以「相对正常外观基准的额外物质」为核心。先配准并比对基准，再对偏离基准的连通域统计面积、亮度差与形态，只有不符合已知花纹规律的才进入异物候选。
阈值偏置：食品/医药的异物漏检代价极高，判定应偏严；但把正常印花当异物会大量过杀，故基准必须准确。具体允收准则由质量/法规部门量化定义并随配方保存。
| 判定维度 | 说明 |
|---|---|
| 面积 | 异物最小/最大面积门槛，过小视为噪点 |
| 亮度/色差 | 相对本体的最大偏离，区分花纹与真异物 |
| 形态 | 是否符合已知花纹规律，不符合才可疑 |
| 透明性 | 透明异物需背光/偏振辅助显形 |
| 合规基准 | 食品医药允收准则由质量/法规部门定义 |
适用算法
正常外观基准
用 OK 样本建基准，差异比对找额外物质
- 排除印花亮片
- 配准避免伪差异
Blob 与形态学
对差异图分割统计异物面积与形态
- 按双门槛过滤
- 对稳定异物有效
异常检测/分割
用深度学习检测未知形态异物
- 适合形态不可预测
- 需覆盖样本训练
常见材料
常见行业
常见问题
异物和材料印花怎么区分？
透明异物（如玻璃屑）好检吗？
金属屑这类反光异物呢？
食品医药异物标准谁定？
深度学习检异物靠谱吗？
最小能检多小的异物？
换产品型号要重设吗？
提交样品测试
异物检测靠正常外观基准与差异比对，区分材料自身特征与真实外来物质。
提交成功
我们已收到您的样品测试需求，方案工程师会在 1 个工作日内与您联系。如需加急，请直接致电 13913763268（微信同号）。
需要逐项评估成像条件、缺陷标准与节拍？ 前往完整需求评估 →