随着移动通信技术的快速发展,人们对手机的需求在不断增加,手机屏幕3D玻璃盖板作为手机的基本元件,其市场规模已将近192亿元。玻璃盖板的制造具有巨大的市场存量以及增长潜力,是众多国家和企业争夺的焦点,其中检测作为玻璃盖板生产的最后一道工序,是产品品质控制的关键。手机屏幕缺陷具有类型多样、形态不一、对比度低等特点,使得缺陷的检测变得困难,检测的准确率低。本文针对手机屏幕缺陷存在的问题,建立了基于机器视觉的手机屏幕缺陷检测方法。论文主要研究工作如下:(1)介绍了手机屏幕缺陷检测系统的原理,对图像采集系统硬件进行选型设计,搭建了图像采集平台,并对图像采集方案进行了设计。(2)针对缺陷检测过程中模板样本和待测图像位姿不一致而导致的错误检测问题,本文采用Pat Max算法对手机屏幕图像进行定位,将含有位姿信息的训练模型建立为基准坐标系。再采用仿射变换算法对定位后的图像进行校正,消除了图形的比例和倾斜角度不一致的影响,同时对背景部分进行裁剪,缩小目标区域,实现了模板样本和待测图像的逐像素对齐。(3)针对手机屏幕图像灰度值分布不规则和对比度低的问题,提出了基于剪切变换和灰度形态学相结合的图像增强方法。该方法首先采用剪切变换将图像分解成低频和高频两部分,然后采用灰度闭运算和N×M中值滤波分别对低频和高频图像进行处理,最后通过剪切逆变换生成增强图像。实验表明,所提出的图像增强方法有效地消除了图像噪声,目标区域中的小间隙被缝合,保证了缺陷的完整性,缺陷的对比度明显增强。(4)针对手机屏幕缺陷类型多样和传统差影法、Blob分析法的不足,提出一种融合差影法和Blob分析法的手机屏幕缺陷检测方法。首先选取无缺陷的图像作为模板图像并对其进行去噪、模糊处理;然后采用改进的差影法获取手机屏幕的残差图像;最后使用Blob分析的系列算法获取残差图像中缺陷的坐标、周长和面积等参数信息。在上述硬件选型设计和图像处理算法的基础上,搭建手机屏幕缺陷检测系统,选取手机屏幕图像实例对缺陷检测系统进行性能测试。实验结果表明,本文所设计的手机屏幕缺陷检测系统具有较高的准确率与检测速度。同时,本文的缺陷检测系统具有一定的通用性,可为产品表面二维缺陷检测的应用推广提供理论与技术支持。