手机玻璃屏(MPSG)作为手机的重要部件之一,其表面缺陷直接影响手机的质量。目前手机玻璃屏表面缺陷视觉检测因受图像采集的振动、环境光照变化的影响使图像移位和旋转、图像灰度变化和图像缺陷边界模糊等因素影响导致检测准确率低;此外,由于高维缺陷融合特征和缺陷数量不均衡等问题而导致少类缺陷的分类准确率低,这制约了其自动化检测进程。本文针对MPSG表面缺陷视觉检测与分类中存在的系列问题,从缺陷判别、缺陷分割、缺陷特征提取和不均衡缺陷分类等方面进行深入研究,提出基于轮廓相似度的图像配准方法、差投影的缺陷判别方法、基于空间关系和隶属度修正的集成模糊C均值聚类缺陷分割方法、缺陷的多重分形谱特征提取方法和基于样本贡献差异的采样方法,实现了手机玻璃屏表面缺陷的快速检测和不均衡缺陷的分类。论文主要研究内容概括如下:1.深入开展手机玻璃屏MPSG缺陷视觉检测及分类技术的调研,对其国内外研究现状及技术发展进行综述,明确MPSG缺陷检测与分类中存在的关键技术问题。2.针对基于灰度的配准方法配准速度慢和基于Harris角点配准方法存在的伪角点问题,提出基于手机玻璃屏表面轮廓相似度测度的图像配准方法,实现待测图像和模板图像之间的快速配准;同时,提出基于差投影联合的缺陷判别方法,对差影运算后的残差图像实施投影算法,消除外界光照变化对待测图像灰度的影响。实验结果表明,提出的差投影联合方法取得了较高的真正率和真负率。3.针对模糊C均值聚类算法(FCM)存在分割含噪的边界模糊缺陷不理想的问题,提出基于空间关系和隶属度修正的集成FCM方法(IFCM),对原算法的目标函数进行修改,增加像素空间信息,同时根据邻域像素的隶属度,修改中心像素的隶属度函数,使IFCM算法可同时利用图像灰度信息和空间信息,提高其在含噪缺陷分割时的抗噪能力。4.在缺陷特征提取过程中,过高的缺陷特征维数会给缺陷分类带来准确率和速度等问题,同时,存在单一分形维数难以刻画缺陷的复杂性和不均匀性问题。为此,本文在提取缺陷多重分形谱特征的基础上,采用多重分形谱差值△f和多重分形谱的谱宽度△α描述缺陷的复杂性和不均匀性,并通过缺陷位置特征弥补多重分形谱特征难以区分脏污和崩边的不足。实验表明,由多重分形谱特征和位置特征组成的四维缺陷特征能较好的区分缺陷。5.在处理不均衡数据时现有的采样方法会出现重要信息丢失、不重要信息增加和过拟合等问题,为此本文在重点分析数据分类过程中支持向量和非支持向量贡献差异的基础上,提出基于样本贡献差异的集成采样方法,即对多类样本(即数量较多的缺陷)中的非支持向量采用多次随机欠采样,对少类样本中的支持向量采用SMOTE过采样,集成多个支持向量机模型形成支持向量机组合,采用投票规则,确定缺陷标签。实验证明,所提出的不均衡分类方法能在保证多类缺陷分类准确率的前提下,提高少类缺陷的分类准确率。6.在上述相关理论算法研究的基础上,搭建手机玻璃屏图像采集实验平台,设计并实现手机玻璃屏缺陷检测与分类的相关算法与软件开发,并通过手机玻璃屏真实图像实例,验证本文所提出的手机玻璃屏表面缺陷快速准确检测和分类算法的正确性与有效性。