随着全球对智能制造的关注以及近年来机器视觉的发展,将机器视觉检测引入工业生产过程以期达到更准确高效的检测目的成为了各国工业发展的重要任务。本文所涉及的装配缺陷检测,作为电子制造业生产线其中一项重要检测内容,旨在采用机器视觉的方法来解决产品生产过程中出现的装配质量问题,把控生产质量,降低企业生产成本。本文所述装配缺陷检测主要为3C电子产品装配方面的条形码和接线端子装配缺陷检测。条形码装配缺陷检测主要检查产线产品或电路板某位置是否按预期已贴上条形码,若有则记录该条形码信息上传到生产记录中,若无或严重破损则需要报警提示操作人员处理;接线端子装配缺陷检测则是检查接线端子是否接插到位,是否有接触不良。条形码装配缺陷方面本文工作重点主要集中在复杂背景以及光照条件不理想时条形码的分割与识读。条形码分割主要利用条形码的规律性梯度特征,设计了基于梯度直方图统计的分割方法,该方法能够十分精准地分割出条形码,效率也较高,并支持多条形码提取,但该方法存在当条形码与背景区分度不高、条形码背景相比整个图像严重偏暗时效果不佳的情况。为解决该问题,本文设计了自下而上的基于局部梯度信息融合的条形码分割方法,避免了因前景提取步骤的效果不理想导致分割失败。条形码的识读则是设计了基于动态阈值的条形码条空信息界定方法以解决条形码光照不均匀问题。接线端子装配缺陷检测方面分为定位和测量两部分。本文设计了两种接线端子定位方式,一种是以模板匹配大致位置然后通过特征点确定准确方位的方法,另一种则是采用金字塔思想由粗到精的旋转模板匹配定位端子的方法。在测量部分,主要以基于梯度极值边缘的Hough直线拟合方法来判定缺陷,相比于传统Hough直线拟合,本文在拟合时根据当前应用场景对规则作改变。实验结果表明,本文所设计的装配缺陷检测方法对于当前应用下的条形码和接线端子检测是十分有效的,具有较高的检出率和较低的漏检率,运行时效上也满足现有应用要求。