好产品的变异和检查算法。

在大多数情况下，适用的算法取决于货物的可变性程度。

如果好的产品几乎没有变化，所拍摄的图像几乎都是一样的。因此，通过与良好产品的图像进行比较，不难提取出缺陷。

反之，如果差异很大，不能指望图像是相同的，就必须从图像中提取信息，并判断其是否正确。例如，测量尺寸、计算碎片或阅读文本。需要注意的是，只有部分信息被判断为正确，允许好的产品存在差异，而所有的信息都是没有意义的。作为视觉检查，它被认为是漏洞百出的。改善工艺，减少好产品的变异，比花钱做视觉检查更有效。

一个稍有不同的方法是从 "猜好 "中检测出差异，这是从周围的环境中推断出来的，比如重复的模式。例如，一张白纸上的黑点，玻璃板上的异物，车身上的划痕......在大多数情况下，基本前提是产品是'普通'的，但系统绝大多数都能检测到小的划痕，这很容易猜出质量好。

FlexInspector，反过来。

1. 对比检查
2. 长度测量检查、字符读取检查等。
3. 补强检查

是负责这一点的。
另一方面，大多数市面上的图像处理设备只有2。在制造技术提高，好产品的差异几乎消失的今天，这是否真的是一种有效的检查方法值得怀疑。
FI用户很少使用2。他们中的大多数人最后都用1，而3是在物体大而简单时应用的。

FlexInspector 比较检查是一种确定良好零件范围的方法，方法是对大量良好零件进行抽样，并执行统计过程以吸收良好零件的变化。这是一种吸收良好零件中细微变化的手段，当应用于良好零件中的巨大变化时，会导致检查非常松散。为了提高检测性能，抑制良好图像中的变化是很重要的。