目前电子产品外观表面缺陷人工检测工作量大,效率低而且漏检率高,迫切需求产品缺陷的自动化检测;实际检测中,塑料制品表面在光照条件下会出现反光,严重影响后续处理;缺陷微小且与制品颜色对比不明显,采用直接阈值无法分割;针对这一现状将机器视觉技术与虚拟仪器相结合,根据产品缺陷特征,选择合适的光照方案抑制反光,利用锐化滤波获取了缺陷部位特征清晰的图像,并对边缘模糊缺陷有效分割;识别结果表明,图像处理算法稳定,对绝大部分缺陷具有良好的检测效果。

　　半导体芯片广泛应用于各个领域,各类电子产品,已经成为经济发展,国家信息安全的命脉,深刻影响着现代人类的生活.在半导体芯片封装制造过程中,不可避免地在芯片表面产生各类缺陷,直接影响到芯片的运行效能及寿命.传统人工目视检测法已经难以适应半导体芯片封装制造的高速,高精度的检测需求.利用机器视觉技术对芯片表面缺陷进行检测,具有无接触无损伤,检测精度高,速度快,稳定性高等优点.尽管目前基于机器视觉的芯片缺陷检测技术在芯片打印字符,引脚外观尺寸位置等方面的研究已取得很好的进展,但对于芯片表面的外观缺陷检测与分类研究尚处于起步。

　　机器视觉作为一项先进自动化检测技术,可有效提高生产效率和工业制造水平,视觉检测可应用于产品外观缺陷自动识别。本文以扣式电池为对象,研究了正负两极面的表面外观缺陷检测方法。 本文设计了一种基于视觉技术的扣式电池在线检测系统,分析了扣式电池金属表面缺陷成像的难点,研究其视觉成像原理,并设计了低成本的机器视觉硬件系统;同时开发了视觉检测上位机软件,实现系统控制、图像处理与识别等功能,并包含能够实时显示的人机界面。 机器视觉算法是缺陷检测技术的核心,本文重点研究了电池表面图像预处理、定位和字符校正、字符区域定位和分割、缺陷分析和识别等算法。