计算机图像检测技术是实现工业生产自动化的重要手段,可以有效地提高检测速度和精度,图像检测可以应用于产品表面缺陷自动识别。本文以激光打标的手机键盘为被检测对象,研究了键盘表面激光打标字符的缺陷的识别方法,开发完成了用于激光打标手机键盘缺陷检测的软、硬件系统,重点研究了键盘表面图像预处理、定位分割、倾斜校正、配准、特征提取和识别等算法。本文主要研究内容如下:预处理阶段,首先利用棋盘格标定板标定摄像机外部和内部参数,校正了成像系统镜头的畸变。然后采用滤波、限制对比度自适应直方图均衡化、局部自适应阈值二值化等处理方法,原始带噪声干扰的图像经过处理后,目标区域得到显著增强。本文研究了键盘图像定位和校正算法。首先采用形态学漫水填充算法分离背景和目标区域,canny算子检测边缘,最后利用霍夫直线变换检测边缘倾斜角度,实现图像的角度校正。同时提出了键盘目标检测与分割算法,采用霍夫圆变换算法检测出圆心与半径,定位正确后将各目标ROI作为单一图像分割。针对键盘图像配准易受到尺度变化、旋转变化、图像模糊、光照变化等影响的特点,对目前常用的图像配准算法进行了对比研究并通过性能对比测试,优化出了适合键盘图像配准算法(SURF+BRISK)。配准后的特征点用RANSIC和最近邻汉明距离相结合方法剔除错误匹配特征点对,带入仿射模型求映射参数,然后利用最小二乘法拟合配准键盘图像。实验结果表明,本文算法与SIFT、SURF相比,不仅配准正确率、鲁棒性相近,而且配准速度分别提高了1.5倍和1倍。最后利用模板差减法求出配准后图像的缺陷区域。本文研究了键盘图像特征和支持向量机识别方法。首先提取了键盘图像整体特征和缺陷区域特征,然后将这些特征输入联合整体和局部特征的多分类器级联判别系统,实现了键盘合格与缺陷图像的分类。实验结果表明,该系统正确识别率可以达到90%以上。为了验证激光打标字符缺陷计算机识别算法,利用高性能ARM处理器分析了生产现场不同光路对图像成像的影响,设计了一套满足工况的照明光源装置,并给出了工况流水线控制方法。