随着智能手机功能的日益丰富以及人们消费能力的提高,智能手机逐渐成为人们生活中不可或缺的一部分。手机外壳作为手机重要的组成部分之一其外观质量严重影响着消费者对手机品质的判断。由于手机外壳生产步骤繁多,生产过程中易在表面产生缺陷,因此需在生产环节中加入缺陷检测步骤,保证产品质量。目前,手机外壳生产制造过程中的检测方法主要为基于人工的目检方式,其不仅存在着成本高、误检率高、检测标准不统一等问题,而且检测速度慢,难以满足生产需要。近年来,基于机器视觉的检测技术由于稳定性高、速度快、精度高等优点完美的弥补了人工目检方式的缺点,逐渐被应用于工业生产。本文基于机器视觉技术,以精密电子制造机器人自动化生产线上金属磨砂手机外壳为对象,针对生产制造过程中表面容易出现的划痕、刮伤、砂点、脏污等典型缺陷,设计了一套手机外壳表面缺陷检测系统,实现了精密电子制造机器人自动化生产线上金属磨砂手机外壳缺陷精确检测与分类功能。主要研究内容如下:首先,对本文具体研究对象进行分析,确定缺陷类型及其检测标准,然后根据检测需求拟定表面缺陷检测系统总体框架,分析不同类型光源、成像方式、相机与镜头等对成像质量的影响,并对照明方式、光学成像、机械结构等系统核心部分进行研究设计。其次,研究手机外壳表面图像预处理算法,分别对比了三种不同类型的背景分割算法的分割效果,实现了一种基于聚类的背景分割方法,并结合最小二乘线拟合法优化背景分割效果,解决了手机外壳曲面边缘背景分割不平滑的问题。采用霍夫圆检测法和像素灰度投影法对手机外壳图像不同区域进行划分,得到图像感兴趣区域。通过各向异性滤波法对手机外壳表面磨砂纹理噪声进行了抑制。然后,研究手机外壳表面缺陷检测与分类算法,通过对经典阈值分割算法的分析和对比,提出了一种基于熵值加权的最大类间方差阈值选取方法对缺陷进行阈值分割,该方法能有效解决手机外壳表面微小缺陷的分割效果不佳的问题,然后对分割后的缺陷图像进行连通域筛选,实现磨砂纹理背景下缺陷精确分割。最后统计与分析不同类型缺陷的特征以训练SVM分类器对缺陷进行分类,实现不同类型缺陷的精准分类。最后,根据研究内容与需求设计手机外壳表面缺陷检测软件平台,并对软件系统总体设计、界面开发、工作流程等部分的设计过程进行了详尽的介绍。