在如今信息互联的社会中,液晶屏因其高画质、恒定发光、低功耗等优点被广泛应用于各个行业中。大尺寸导光板作为液晶屏显示组件的关键组成部件,其质量特别重要,直接关系到液晶屏的显像效果。然而在导光板的生产加工过程中,由于原材料不洁净,设备的磨损,工艺制约等因素,生产完成的导光板不可避免地会产生各类加工缺陷,如点伤、脏污、线划伤等。目前,导光板生产厂家对导光板的质量检测大多采用人工检测的方式。员工需要在密闭、强光的环境下工作,严重威胁到员工的身心健康,并且受到人为主观因素以及缺陷的复杂性,评判的标准差异较大,影响检测的质量。基于此,本文根据厂家对导光板的检测要求和技术难点,研发了大尺寸导光板在线质量视觉检测系统,最后通过大量的实验验证了检测系统的稳定性、可靠性。本文的具体研究内容如下:（1）结合导光板的成像特点和检测要求,确定了大尺寸导光板缺陷检测系统硬件总方案,主要包括机械结构、视觉装置、电控装置。机械结构的功能对整个系统硬件支撑和固定、导光板的传送与分拣等;视觉装置的功能为采集图像,主要包括16K线扫相机,线扫镜头、多角度光源等;电控装置的功能控制系统的运行流程,系统运行流程如下:导光板经过传送带运输到检测机台,首先传送带两侧的限位装置对导光板的位置进行调整,确保采集图像的完整性与一致性,当光电传感器检测到导光板时,触发系统控制传送带暂停运行,随后触发相机和光源对导光板进行图像采集,最后系统根据检测的结果控制机械臂吸取导光板放置到OK或者NG区域。（2）针对YOLOv3算法对导光板缺陷关注不足以及背景纹理干扰的问题,本文提出了基于注意力机制的改进YOLOv3缺陷检测算法。首先,在网络结构中引入CBAM注意力模块对特征进行通道和空间上重新校准,充分提取更加重要的特征信息;其次,采用CIo U替换原有的预测框回归损失函数,提高模型的分类与回归精度。该方法在导光板缺陷数据集的m AP和F1值分别达到了97.85%、96.71%。（3）针对YOLOv3算法在导光板缺陷数据集上检测精度不高、速度较慢的问题,本文提出了基于特征增强的改进YOLOv3缺陷检测算法。首先,在YOLOv3的浅层特征层通过引入提出的E-RFB模块提升模型感受野,增强模型的特征融合能力;其次,改进K-means聚类算法,优化锚框,提高锚框与真实框之间的匹配度;此外,采用深度可分离卷积替换普通卷积,提高模型检测速度;最后,在导光板缺陷数据集上进行了大量实验,该方法的m AP和F1值分别达到了98.95%、97.34%,FPS达到70.8,检测的准确率、实时性均能满足要求。（4）本文缺陷检测可视化系统结合Open CV图像处理库和Py Torch深度学习库开发,基于VS2017平台上采用MFC框架进行搭建,开发了导光板缺陷在线质量视觉检测可视化系统。