近年来随着触摸屏行业规模不断扩大,触摸屏质量把控需求逐渐显露,常规的触摸屏银浆线路缺陷检测技术难以适应产业发展。为了加快触摸屏生产工艺自动化进程,降低中小型企业触摸屏银浆线路缺陷检测成本,本文针对触摸屏银浆线路的不同检测需求展开研究,采用基于图像处理和深度学习两种方式进行研究,从调研的触摸屏生产场景特点和实际检测需求出发,搭建触摸屏银浆线路缺陷自动检测系统。本文的主要工作和创新点如下:（1）分析触摸屏银浆线路本质缺陷特点,提出采用基于图像处理的线路缺陷检测方法。在空间域层面研究了图像去噪、图像分割等图像预处理算法,随后利用细化算法提取触摸屏线路骨架,依据线路骨架的端点和节点特点,通过特征匹配实现短路、开路检测。针对检测结果中非常规宽度线路对检测效果的影响,设计图像作差方案和缺陷判别规则避免边缘正常线路被误判为缺陷。按照系统研发方案设计人机交互界面,将图像采集、运动控制以及检测识别与显示三个模块联合调用以实现触摸屏银浆线路自动检测,验证结果显示,经改进后的算法可有效避免缺陷误判,且平均每张图片检测耗时可减少152.3ms。（2）针对传统图像处理算法仅能有效检测触摸屏银浆线路中短路和开路两种缺陷的不足,提出了基于深度学习目标检测相关算法,并遵循网络输入图像要求对采集数据进行剪裁、标记等处理制作所需训练与测试数据,利用特征融合与通道增强机制改进SSD目标检测算法,最终实现检测精度4.9%的提升。（3）为进一步提升检测速率,提出采用深度可分离卷积方法替代传统卷积操作实现VGG16基础网络的特征提取,并且运用改进激活函数来实现权值的稳定更新,实验表明,经过特征增强和深度可分离卷积替换的网络检测速度可提升1倍,网络模型的大小仅有原始SSD网络的1/3。（4）根据触摸屏银浆线路图像分析触摸屏的线路缺陷特点,结合所要实现的检测效果设计总体方案。依据设计方案介绍系统搭建所需要的主要设备及系统在图像处理和深度学习两种方式下的实现情况。本研究系统从检测算法层面对触摸屏银浆线路缺陷检测进行改进,结和搭建的硬件系统实现检测功能,基本满足项目需求。