液晶显示模组是电子信息类产品的重要组件之一,广泛应用于电视、计算机、手机等各种带有视频显示功能的电子数码产品上。如今,市场对LCM的需求量日益加大,越来越严格的质量控制标准使得产品的质量检测越发被制造商重视。一般来说,液晶显示器的缺陷主要在液晶面板和模组的制造过程中产生,因此,生产流程中这两个环节的产品缺陷检测最为关键。而国内显示行业对产品缺陷的检测和研究大多集中于前段面板制造环节,实现LCM产品的自动光学检测具有重要意义。在分析LCM的点缺陷、线缺陷、漏光缺陷这三类主要显示缺陷的图像特征以及行业内质量等级判定标准的基础上,研究了相关图像处理算法。采用KNN算子进行降噪滤波、最小偏态法进行二值化,通过数学形态学开闭操作增强缺陷图像特征,并采用Sobel算子实现缺陷边缘提取,可有效检测出暗点、亮点、微亮点、实线、弱线、断线以及边缘漏光缺陷。针对LCM自动光学检测过程中数据吞吐率大的需求,探讨了统一计算设备架构(CUDA)在图像处理算法上的应用。设计KNN降噪滤波算法及Sobel边缘检测滤波算法的内核函数,在Sobel边缘检测算法中采用多点访问和对称计算技术、用纹理类型来存储图像数据。有效增强了图像处理程序的并行计算能力,提高了系统整体的运行效率。以主流LCM分辨率及其缺陷评定标准为依据,按照自动光学检测技术需求,设计了LCM自动光学检测系统。该系统采用直线电机运动平台以及彩色线阵CCD工业相机,通过PMAC运动控制卡实现扫描轨迹控制。探讨了相关软件架构及界面设计、基于Matrox MIL的图像获取以及缺陷识别策略等实现技术。采用缺陷图像模拟显示的方法进行了缺陷检测实验并分析了系统的缺陷检测能力及检测效率。相关研究为实现LCM显示缺陷的全自动视觉检测建立了基础并具有实用价值。