由于精密五金加工工艺特殊、零件形状复杂，表面存在金属材质纹理、加工残留纹路以及加工工艺的干扰，如切削液、油污、电镀、喷砂、氧化处理不良等。这样的金属加工件外观缺陷难以使用普通2D视觉检测系统进行高效检测，检测准确性和检测稳定性较差、容易误判。
基于深度学习和3D图像处理的精密加工件外观缺陷检测系统创新性结合深度学习以及3D图像处理办法，利用非接触式三维成像完成精密加工件的外观缺陷检测，解决行业当中常规人工检测手段检测效率低、漏检率高的问题，能大幅度提高生产效率，更好地控制生产质量，节约大量的检测劳动力与人力成本。
创新点一：使用3d图像深度信息，结合2d图像处理，与被测对象联合组成一一对应的缺陷空间，共同识别检测缺陷，增加缺陷识别检测的准确性；
创新点二：在实际工业生产场景上应用深度学习算法，提高缺陷识别准确性，简化调试和使用过程，能够快速适应各种工艺变化，达到易用易维护检测效果又好的要求；
创新点三：深度学习应用于3D图像的分析处理。直接联通三维图像数据与深度学习算法，使3D图像不仅单纯用于测量以及一些简单的有无判断，而且能应用于外观检测，弥补了2d图像处理信息缺失的不足。
创新点四：丰富的2D/3D图像软硬件接口，配合被测金属五金加工件的形状、轮廓精度拥有丰富的成像硬件、运动机构以及执行机构的选择。
基于深度学习和3D图像处理的精密加工件外观缺陷检测系统已经应用于汽车、电子、军民融合等行业，实现了包括发动机缸盖、缸体、凸轮轴、手机重要零部件、IC插件外观检测、连接器、军民融合产品的外观缺陷检测。检测效果远优于传统的2D检测，获得众多客户的广泛认可。
