手机摄像孔玻璃面板的平整程度代表了玻璃面板质量的好坏,而其质量严重影响手机的拍照效果。传统的检测方法主要通过激光干涉仪进行人工判别或计算机判别,其中人工判别法自动化程度低,计算机判别法实时性较差。因此本文提出了一个能够高效的自动判断摄像孔玻璃面板质量合格与否的检验方法,其通过检测摄像孔玻璃面板的干涉条纹数量和最大曲率来判别质量是否合格。本文的主要研究工作如下:（1）本文首先研究了激光干涉仪的成像原理,介绍了本课题选用的菲索型激光干涉仪的基本结构和成像原理。接着针对摄像孔干涉图的预处理,本文提出了以改进的自适应中值滤波以及高斯滤波为基础的小波变换图像融合算法。（2）其次研究了卷积神经网络的组成结构以及常用的目标检测模型。根据手机摄像孔玻璃面板加工质量检测的要求及难点,本文采用YOLOv4目标检测算法进行定位摄像孔区域的干涉图。此外本文为解决模型的小目标摄像孔漏检问题引入了CA注意力机制模块,并使用ELU激活函数替换Leaky Relu激活函数来提升模型精度。实验结果表明,改进后的YOLOv4模型在召回率和AP值上均有所提升。（3）接着针对摄像孔区域干涉图,本文提出了基于连通域面积标准差的阈值分割融合算法进行干涉条纹分割,采用基于种子填充法的连通域标记算法获取干涉条纹连通域面积。此外本文还提出了基于连通域面积筛选的条纹计数算法获取干涉条纹数量,提高了干涉条纹计数的准确率。对于干涉条纹最大曲率计算,本文采用基于三次样条插值的条纹曲率算法获取干涉条纹最大曲率。（4）最后根据实时检测要求进行开发相应的加工质量检测系统,该系统能够实现干涉图采集、摄像孔区域干涉图定位、计算条纹数量和条纹最大曲率这三个部分的功能。通过该系统能自动判断手机摄像孔玻璃面板加工质量是否合格。