手机盖板玻璃是智能手机的重要组成部分之一。全球每年对手机盖板玻璃的需求量达上百亿片,超过90%的手机盖板玻璃由我国生产。手机盖板玻璃的质量检测十分重要,由于市面上现有的手机盖板玻璃自动化检测设备稳定性不高,目前行业内手机盖板玻璃仍采用人工质量检测。为提高机器视觉设备在手机盖板玻璃缺陷检测上的稳定性,本文从手机盖板玻璃缺陷图像获取、缺陷图像分割、缺陷分类、重点缺陷识别准确率提升四个方面进行了研究,主要体现在以下三个方面。1、手机盖板玻璃缺陷图像的获取方面,本文首先对现有图像获取方案进行研究,分析了它们缺陷图像获取种类少、缺陷图像获取不稳定、缺陷种类识别不稳定的原因。为了增加缺陷图像获取种类、提升缺陷图像获取稳定性,同时提升重点缺陷判别准确率,本方案提出一种基于结构光的手机盖板玻璃缺陷图像获取方案。本方案获取反射两种类型结构光的手机盖板玻璃图像序列——反射黑白周期条纹的图像序列和反射正弦条纹的图像序列。反射黑白周期条纹的图像序列缺陷突显能力强,基于反射黑白周期条纹的图像序列合成的增强图像缺陷获取稳定且种类丰富。基于反射正弦条纹的图像序列可解析出对表面损伤型缺陷灵敏的相位值,强化缺陷信息输入,提升划伤、凹凸点等重点缺陷分类的准确率。2、缺陷图像分割方面,针对手机盖板玻璃增强图像灰度分布不均匀的问题,本文首先研究了机器视觉中经典的图像分割方法,并对图像灰度不均匀分布的原因进行了分析,最后提出一种混合模板阈值和梯度阈值的缺陷分割方法。模板阈值部分提取了无缺陷增强图像的整体平缓变化趋势与局部变化因素,作为缺陷阈值分割的自适应阈值,克服了灰度不均匀分布的影响。梯度阈值部分利用图像一阶导数突显缺陷边缘信息,对灰度变化不明显的缺陷进行召回,提高缺陷分割准确率。3、缺陷分类方面,本文首先对盖板玻璃缺陷类型进行分析,按产线对缺陷后续处理方式的不同,将缺陷分为大面积附着型缺陷、划伤、线状附着型缺陷、凹凸点、点状附着物缺陷几大类。为实现缺陷分类,本文利用缺陷几何特征将缺陷首先划分为面型缺陷、线型缺陷和点状缺陷,接着基于相位解析引入缺陷凹凸性信息,继续将线型缺陷和点状缺陷进一步划分为划伤、线状附着物以及凹凸点、点状附着物。通过引入凹凸性信息提升划伤、凹凸点识别的准确率。本文从加强缺陷信息输入的角度出发,增加缺陷图像获取种类、增强缺陷图像获取稳定性、提升重点缺陷识别准确率,从而提高整个机器视觉系统的检测稳定性。