表面缺陷檢測通常涉及以下幾個關鍵步驟：
Location + Blob + Feature：這一步驟涉及到定位缺陷的位置，并通過Blob（Binary Large Object）分析來識別和提取特征。
Location + Differ + Feature：通過比較圖像差異來定位缺陷，并提取特征。
Frequency Domain + Spatial Domain：利用頻域和空域分析技術來檢測和表征缺陷。
Photometric Stereo：這是一種通過多視角或多光源照明來獲取表面形狀和缺陷的技術。
Calibration + Fitting：校準檢測系統(tǒng)并擬合模型，以提高檢測的準確性和一致性。
Train Model (EDEN_RT)：使用機器學習或深度學習模型進行訓練，以自動識別和分類缺陷。
缺陷管理的一般流程
缺陷管理是在軟件生命周期中識別、管理、溝通任何缺陷的過程，確保缺陷被跟蹤管理而不丟失。以下是缺陷管理的一般流程：
發(fā)現(xiàn)缺陷：缺陷問題由測試團隊根據(jù)用例步驟進行測試，如果不能正常通過用例則轉為缺陷問題。也可以來自不同團隊或者來自外部用戶提交的反饋信息。
開啟：當QA測試團隊或者其他相同職務的團隊確認了反饋的缺陷問題后，比如可以復現(xiàn)，則確認反饋是一個缺陷，并等待分配給開發(fā)團隊。
分配：當測試團隊確認缺陷后，應該將問題分配給開發(fā)團隊進行缺陷定位和修復工作。
拒絕：如果開發(fā)團隊認為提交上來的缺陷并不是真正的缺陷，比如由于緩存，網(wǎng)絡導致的部分文件加載失敗導致的問題等，應將缺陷狀態(tài)標記為”拒絕”并指派回測試團隊。測試團隊需要重新測試或者提供更多的缺陷信息。
重復：如果開發(fā)團隊收到的缺陷是重復的，或者與其他正在進行中的缺陷問題相似，應將缺陷狀態(tài)修改為”重復”。
延期：如果當前無法修復缺陷，可以將其狀態(tài)設為“延期”，并在未來某個時間點再處理。
以上就是表面缺陷檢測的流程和缺陷管理的一般流程的概述。需要注意的是，不同的應用場景和技術可能會有不同的具體實現(xiàn)細節(jié)。
