本课题研究对象为柱状二极管，黑色管体表面主要有7种外形和纹理缺陷，包括管体大小不一、管体缺损、文字缺失、片状印染、极性环缺失、极性环宽度不一致和露白胶。通过图像处理和模式识别对二极管进行检测，检测目的是判断对象是否有缺陷，缺陷是什么类型。问题的解决关键在两个方面，第一个是光学平台设计；第二个是缺陷检测算法设计。针对光学平台设计，由于对象是三维结构，深度信息不一致，利用平面工业相机拍照易出现光照不均匀、局部反光、局部图像畸变等不利情况。通过光学原理和对象的自身结构特征，测试出中低角度散射正面照明方式和特定空间角度的条形光源安放方式。针对缺陷检测算子的设计，使用的是经典的图像分析流程：图像预处理、缺陷ROI的分割、缺陷ROI特征提取和缺陷ROI分类。其中，难点是缺陷ROI的分割和纹理特征提取。对于第一个难点，文字与缺陷ROI可能混在一起，而且文字和缺陷ROI的灰度值相近，很难去除文字的干扰，并单独将缺陷ROI分割出来。接下来，通过分析文字内在外形特征，改进笔画宽度分割（SWT）并应用在文字分割上，这样可以完美地将文字分割出来，同时不影响其它缺陷ROI的分割。如此去除文字以后，管体上留下来的便是缺陷ROI。对于第二个难点，通过对ROI内部像素灰度排列规律的分析，提出了模式化梯度方向（HPG_D）和梯度幅值（HPG_A）直方图特征，并从特征的相对类间距离和相对类内方差上，说明HPG算子的优异性，能很好地描述无明显条纹的过渡性纹理；从分类效果上，HPG算子较其他纹理算子的分类成功率更高。最后提取了平均灰度、环状度、空间边缘方向直方图三个特征，用决策树分类器将缺陷分类，最终实现了缺陷识别率接近100%，缺陷分类成功率达到了95.6%，取得了较好的识别和分类效果。