薄膜晶体管液晶显示器(Thin Film Transistor-Liquid Crystal Display，简称TFT-LCD)具有高分辨率、高亮度和无几何变形等优点，同时由于其体积小、重量轻和功耗低，因而被广泛的应用在显示器领域。TFT-LCD的制造过程极其复杂，需要近百道工序，因此在制造的过程中难免会出现缺陷。对于TFT-LCD的表面缺陷检测，有利于缺陷的统计分析、缺陷修补和淘汰不合格品。Pinhole(针孔)，Scratch(抓痕)，Particle(微粒)等缺陷是目前TFT-LCD制造过程中常见的缺陷。在图像获取的过程中TFT-LCD图像出现表面亮度不均匀，图像内部非周期性是本文要解决的主要难题。同时由于摄像机的分辨率较高，使得图像数据量非常大，因此，提高系统检测的实时性是本文的另一个目标。本文通过机器视觉的方法对设计了一个缺陷检测系统对TFT-LCD进行缺陷检测。针对亮度不均匀，本首先通过基于“平滑抽样”的处理方法对图像进行区域划分，从而克服亮度不均匀的不利影响。针对图像的非周期性，采用基于“投影谷点”的图像分割方法并对区域进行分类，克服了图像内部非周期性的影响，最后通过特征提取和BP神经网络实现了对缺陷的检测。针对摄像头的物理特性带来的不利影响，本文首先通过缩小摄像头与TFT-LCD面板之间的距离，减少摄像头对面板的获取范围的方法，在实验方法上大大减少亮度不均匀和非周期性的影响。在检测算法的设计上，针对图像亮度不均匀的不利影响，本文从宏观上分析，提出基于“平滑抽样”的图像区域划分算法，即利用一个象素点来代表图像中的局部区域，并将该区域平均亮度作为该点的亮度值，利用这种方法不仅可以有效的通过设定阈值对图像进行分割，同时也有利于提高系统的效率。通过基于“平滑抽样”的区域划分后，获得了内部亮度均匀的各个小图像，从而克服了图像亮度不均匀带来的不利影响。针对图像内部存在非周期性的不利影响，本文从微观上进行分析，采用基于“投影谷点”的图像第二次分割算法，该算法通过对图像进行“行”和“列”的投影获取图像的投影曲线，再根据投影曲线获得图像的投影谷点，最后根据图像的内部特点，利用各个投影谷点对图像进行分割，并对分割后的图像进行基于内部结构相似性的分类，最终有效的克服了图像内部非周期性的不利影响。通过对分割后的图像区域分析，获得了各个区域的特点，结合图像特征提取的相关理论，本文通过提取区域的面积和纹理特征作为区域的特征向量，为进行缺陷检测提供依据。为了克服不同图像亮度不同以及同一幅图像经过分割后各个小图像亮度不同给识别算法的阈值设置上带来的困难，本文利用BP神经网络具有白组织、自适应和自学习能力的特点，设计了基于BP算法的神经网络，将归一化后的特征向量送入网络进行训练，并根据网络的参数对缺陷区域进行有效的识别。最后通过对正常区域和缺陷的区域的比较，有效的对区域中的缺陷点进行精确定位。本文通过宏观和微观的分析方法，设计了一个基于机器视觉的检测系统对TFT-LCD的表面缺陷进行检测。利用本文提出的基于“平滑抽样”和“投影谷点”的图像处理方法，有效的克服了图像中存在亮度不均匀和内部非周期性的不利影响。最后通过对区域的特征提取和神经网络对缺陷进行检测识别。实验证明，本文设计的检测系统能有效快速的实现对TFT-LCD表面缺陷的检测。