随时技术的发展，也出现了采用固定式或动态阈值分割方式进行检测的算法，但此方法同样存在缺陷：
1、镜头镜片区域结构纹理复杂，单一的阈值方法不能区分缺陷和产品本身结构；
2、镜头的端面、凸台区域，存在大量的纹理干扰，现有的阈值方法难以进行有效分割缺陷；
3、现有方法采用定焦采图的方式，获得的缺陷尺寸不准确，导致漏检率难以控制。
边线检查
可以查找空隙、边线缺陷以及其他区域性的和表面瑕疵。可以稳定地测量/偏差，从而找到产品边线和区域上的缺陷，以及表面瑕疵和印刷缺陷。您可根据直线、圆形或不均匀边线轻松配置边线检验工具，然后按总面积、长度或深度对缺陷进行分类。InspectEdge 和 Flexible Flaw Detection（灵活瑕疵探测）工具有极高的灵活性，可以沿某一条线查找空隙，也可以检查某个形状是否有边界缺陷。
由于CNN强大的特征提取能力，采用基于CNN的分类网络目前已成为表面缺陷分类中的模式一般来说,现
有表面缺陷分类的网络常常采用计算机视觉中现成的网络结构,包括AlexNet, VGG, GoogL eNet,ResNet,
SENet, ShuteNet,MobileNet等。利用分类网络结合上滑动窗口的方式可以实现缺陷的定位。
Deep learning-based crack damage detection using convolutional neural networks