随着电子技术的发展，液晶显示器(LCD)逐渐淘汰了显像管显示器，成为了流通最广的显示器品种。液晶显示器的生产也渐渐成为了一个热门行业。在液晶显示器的制造流程中，最关键的部分当属液晶面板的制造。由于不可避免的一些不确定环境因素或工艺限制，液晶面板在生产过程中难免会产生一些瑕疵。这些瑕疵通常用肉眼难以发现和辨别，需要借助仪器进行人工检查。而人工检查的方式不仅工作效率较低，还会经常产生错检漏检的现象，导致面板上产生的瑕疵不能被及时发现而进入了下一个工艺流程，错过了最佳的补救时机而最终不得不做废弃处理。针对这个问题，本文设计并实现了一种自动化液晶面板瑕疵检测分类系统。该系统首先对瑕疵区域分别提取LAB颜色特征，稠密SIFT纹理特征，以及全局HOG轮廓特征。然后使用基于局部约束的线性编码(LLC)对LAB，SIFT的局部描述子进行特征编码并生成特征向量。最后我们提出了一种叫做强度下降集成学习(DABoost)的方法，它以SVM作为基础分类器，并利用这些不同的基础分类器对以上三种特征进行了融合，通过一系列的迭代学习，最终生成了我们所需要的分类器。通过实验我们发现，我们提出的这种液晶面板瑕疵自动分类系统可以有效的解决我们的两个瑕疵区域数据集，并且我们提出的集成学习策略DABoost的分类质量优于单个SVM，以及传统的AdaBoostSVM(ABSVM)。