La detección de defectos en la superficie de las obleas juega un papel importante en el control de la calidad del producto en la fabricación de semiconductores, lo cual se ha convertido en un tema de investigación candente en visión por computadora. Sin embargo, la inducción y resumen de los métodos de detección de defectos en las obleas en la literatura de revisión existente no son lo suficientemente exhaustivos y carecen de un análisis objetivo y una evaluación de las ventajas y desventajas de varias técnicas, lo cual no es propicio para el desarrollo de este campo de investigación. Este documento analiza sistemáticamente el progreso de la investigación de académicos nacionales y extranjeros en el campo de la detección de defectos en la superficie de las obleas en los últimos años. En primer lugar, presentamos la clasificación de los patrones de defectos en la superficie de las obleas y sus causas. Según los diferentes métodos de extracción de características, los métodos principales actuales se dividen en tres categorías: métodos basados en el procesamiento de señales de imagen, métodos basados en el aprendizaje automático y métodos basados en el aprendizaje profundo. Además, se presentan brevemente las ideas principales de los algoritmos representativos. Luego, se comparan y analizan las innovaciones de cada método, y se discuten sus limitaciones. Finalmente, se resumen los problemas y desafíos en la tarea actual de detección de defectos en la superficie de las obleas, las tendencias de investigación futuras en este campo y las nuevas ideas de investigación.