受话器通过将音频电信号转换为声音信号,广泛应用于手机、电话等终端通信设备中。受话器生产过程中,容易产生绕线与音圈涂层缺陷,降低产品的质量,影响使用效果。本文研究了受话器的绕线与音圈涂层检测,包含三项关键技术和一套应用系统：潜在缺陷区域分割技术、绕线与音圈涂层缺陷区域的形状特征提取与选择方法、绕线与音圈涂层缺陷的异步分类识别方法和受话器缺陷自动视觉检测系统。最终利用开发的系统对本文的方法进行了测试验证。第一章,简要介绍了机器视觉检测系统,总结了基于机器视觉的缺陷检测技术研究现状,分析了外形检测、表面检测和异物检测的特点和难点。阐述了本文的研究背景与目标,给出了主要研究内容与框架。第二章,分析了受话器的区域特点,提出了融合色度局部直方图与自然特征的受话器潜在缺陷区域分割方法。研究了基于区域生长的彩色图像分割方法,利用在HSV空间中各分量较少的相关性,将图像转换到HSV空间进行分割,对于所获取的区域进行自然特征学习。在此基础上提出了基于色度局部直方图的受话器缺陷区域提取方法,该方法通过绘制潜在缺陷区域的H、S、V分量直方图,得到彩色空间的分布信息和色度统计量。提出了基于区域自然特征的受话器在线区域分割,文章利用色度局部直方图的统计信息进行受话器区域的粗分割,然后结合二值图像的连通特征与位置信息进行受话器缺陷精细分割,实现受话器潜在缺陷区域的分割过程。第三章,在缺陷区域精细分割的基础上,实现了受话器缺陷的形状特征提取与选择。从区域形状特征的分类出发,将其分为内部形状特征和外部形状特征,并给出了各个形状特征的获取方法。在分析现有特征描述子的基础上,针对受话器块状缺陷区域和线型缺陷区域,先进行数学形态学缺陷区域优化,再对得到的二值区域进行特征提取,通过特征的评判准则选取形状特征用于后续分类识别。第四章,研究了典型模式识别系统的组成,构建了受话器的异步分类识别系统。分析了缺陷区域的检测需求,提出了受话器绕线与音圈涂层缺陷的异步分类识别方法。通过线型模式识别方法来快速判别图像是否存在缺陷,分析缺陷区域的特征,针对不同的区域采用不同的特征量构建BP神经网络,利用构建的神经网络能够精确识别缺陷。分析各区域检测的结果,并进行性能评估,验证方法的有效性。第五章,介绍了受话器缺陷自动视觉检测系统及应用验证。阐述了硬件和软件设计的关键因素。将融合色度局部直方图与自然特征的区域分割方法、缺陷区域的形状特征提取与选择和缺陷异步分类识别应用于受话器缺陷的检测中,开发了受话器缺陷自动视觉检测系统。利用自主开发的原型系统对受话器缺陷进行了检测应用,验证了本文方法技术。第六章,总结了本文的研究内容和成果,对今后的研究方向进行了展望。