在移动互联网高速发展下,智能手机逐渐走进人们的视野和生活,它在社交、购物、网上交易等方面扮演着一个必不可少的角色,其市场潜力巨大。在手机外壳生产的阳极氧化工序中,由于工艺因素的影响,会出现异色发白的现象,从而造成手机外壳表面出现白点缺陷。为避免这种产品报废,需要对白点缺陷进行修复。在进行修复工序前,需要将这种白点缺陷准确检测出来。但由于这种白点缺陷的面积小、边界模糊、不易辨别,导致人工检测对此类缺陷的检测准确率低、稳定性差。随着机器视觉技术的发展,可以有效地解决目前人工检测所存在的问题。因此,针对智能手机外壳表面出现白点缺陷的问题,采用机器视觉技术,研究开发一套白点缺陷检测系统,具有广泛的应用前景。首先,针对手机外壳白点缺陷区域的特点和检测要求,根据工业相机、工业镜头、光源种类的相关参数,选用了大恒公司的MER-504-10GC-P工业相机、奥普特公司的OPT-KS022-220-111远心镜头、白光与红外光结合的无影光源,搭建了白点缺陷检测系统的硬件平台。接着,分析了图像预处理的常用算法,利用中值滤波和高斯滤波相结合的方法去除图像噪声,并采用Canny算子进行边缘检测,根据轮廓跟踪算法和最小二乘法拟合出三条基准直线段,确定了感兴趣区域(ROI),再利用开运算对感兴趣区域进行形态学处理,减少了图像噪声信息的干扰,突出了手机外壳白点缺陷区域的特征。然后,研究了快速连通域分析算法,提出了基于区域生长分割的缺陷检测算法。其中,结合阈值分割法和连通域分析法确定了白点区域的种子点,利用相邻点阈值差法制定了白点生长规则,将白点区域与背景进行分离,提取了白点区域的特征,实现了白点缺陷的检测。最后,利用OpenCV图像处理库,在VS2015软件的开发环境下,设计了图像采集、图像增强、图像定位、缺陷检测等软件模块,完成了白点缺陷检测系统的软件开发。并进行了手机外壳白点缺陷检测实验,分析了实验数据,准确率达到90.3%,验证了检测算法的可行性,满足了缺陷检测系统的要求。