功能陶瓷芯片作为高温固体氧化物燃料电池的电解质,其质量直接影响燃料电池的能量转化效率和使用寿命。然而功能陶瓷芯片的生产制备工艺复杂,容易产生裂纹、气孔、划痕、缺损等表面缺陷。目前,国内功能陶瓷芯片表面缺陷筛查仍采用人工目检方式,依靠检测人员肉眼观察,主观判断完成表面质量评定,这种人工目检方法效率低下且易受人主观因素影响。机器视觉检测作为一种非接触式检测技术,具有高效率和可重复性的优点,越来越受到人们的重视。本课题针对功能陶瓷芯片的表面缺陷检测需求,基于机器视觉技术设计了一套完整的功能陶瓷芯片表面缺陷检测系统。论文的主要研究工作如下:首先,总结分析功能陶瓷芯片的表面缺陷检测研究现状,并介绍了机器视觉技术在缺陷检测领域的应用以及机器视觉和深度学习检测技术的特点与优势;以缺陷检测为例,概述国内外机器视觉缺陷检测的研究情况并总结现有技术特点。其次,针对功能陶瓷芯片表面缺陷的检测需求,设计了机器视觉缺陷检测系统,主要包括下位机功能陶瓷芯片图像采集控制单元、上位机管理软件等,下位机图像采集单元获取功能陶瓷芯片表面图像数据,并将数据传输给上位机软件系统;上位机管理软件负责数据的存储与管理,执行表面缺陷检测算法,缺陷检测结果进行统计分析和可视化反馈。针对功能陶瓷芯片表面缺陷类型繁多且复杂多变的特点,提出了一种基于边缘特征和形态学信息的功能陶瓷芯片缺陷检测算法,获得了89.2%的检测精度。但该算法的准确率依赖于人工提取的特征参数,抗干扰能力不强。因此,本文后期对系统进行了优化,将深度学习应用到功能陶瓷芯片表面缺陷检测领域,提出了一种基于改进Faster R-CNN的功能陶瓷芯片表面缺陷识别方法。结果表明,模型的平均检测精度（m AP）达到了92.5%,能够满足生产企业对功能陶瓷芯片表面缺陷筛查的要求。此外,本文还研究了功能陶瓷芯片外观几何尺寸信息检测功能,提出了一种基于角点检测和边缘提取的几何尺寸检测方法。实验结果表明:检测尺寸误差控制在±0.4mm之内,符合企业对功能陶瓷芯片几何信息测量的需求,实现了功能陶瓷芯片外观几何信息的精确测量和自动获取。本文所设计制备了的功能陶瓷芯片表面缺陷检测系统,能够满足企业对功能陶瓷芯片表面缺陷检测需求,具有一定的学术意义和工程实际应用价值。