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。