目前电子产品外型表面缺陷人工检查工作量大，效率低而且漏检率高，迫切需求产品缺陷的自动化检查；实际检查中，塑料制品表面在发光条件下会呈现反光，严重妨碍后续处理；缺陷微小且与制品颜色对比不比较明显，采纳直截了当阈值没法分割；对于这一现状将机器视觉技术与虚拟仪器相结合，依据产品缺陷特征，选用合适的发光方案抑制反光，利用锐化滤波猎取了缺陷位置特征清晰的图象，并对边缘模糊缺陷有效分割;识不结果表明，图象处理算法平稳，对绝大部分缺陷具有良好的检查效果。

　　半导体芯片普遍应用于各颗领域，各类电子产品，差不多成为经济进展，國家信息内容安全的命脉，深刻妨碍着现代人类的生活。在半导体芯片封装制造过程中，不可幸免地在芯片表面产生各类缺陷，直截了当妨碍到芯片的运行效能及寿命。传统人工目视检查法差不多难以习惯半导体芯片封装制造的高速，高周密度的检查需求。利用机器视觉技术对芯片表面缺陷展开检查，具有无接触无损伤，检查周密度高，速度快，平稳性高等优点。尽管目前基于机器视觉的芯片缺陷检查技术在芯片打印字符，引足外型外形尺寸部位等方面的研究已取得很好的进展，但关于芯片表面的外型缺陷检查与分类研究尚处于起步。
　　机器视觉作为一项先进自动化检查技术，可有效提升成产效率和工业制造水平，视觉检查可应用于产品外型缺陷自动识不。本文以扣式电池为对象，研究了正负两极面的表面外型缺陷检查方法。 本文设计了一种基于视觉技术的扣式电池在线检查体系，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体系;同时开发了视觉检查上位机软件，实现体系操控、图象处理与识不等作用，并包含可以实时显示的人机界面。 机器视觉算法是缺陷检查技术的关键，本文重点研究了电池表面图象预处理、定位和字符校准、字符区域定位和分割、缺陷分析和识不等算法。