偏光片在生产与运输过程中极易形成透明外观缺陷,作为液晶显示屏的重要组成元件之一,其外观缺陷对显示屏质量的影响非常大。对于此类缺陷的检测,目前仍然普遍采用人眼识别。研究高速准确的机器视觉检测技术,对相关产业发展具有重要意义。偏光片透明外观缺陷在均匀光照明情况下对比度低、难以成像。本课题组采用二元条纹结构光照明,增强了缺陷成像对比度,同时仿真研究了缺陷成像增强机理。在上述基础上,本论文进一步开展了以下研究工作:1、极细微缺陷的检测。实验发现存在细微透明缺陷(缺陷宽度约为100μm),这种缺陷即使采用条纹结构光照明,对比度仍然很低。仿真研究结果表明,当点状透明缺陷折射率差值小于0.0006、深度小于6μm时,缺陷极细微且难以成像。当极细微缺陷位于结构光边缘处时成像对比度可以得到明显提高,进一步研究了相应的图像处理算法——RPCA,成功地将极细微缺陷从黑白条纹背景中分离出来。2、基于结构光饱和成像的外观缺陷检测方法。结构光饱和成像可以极大地提高缺陷成像对比度,从而简化后续图像处理算法。采用主动光两步扫描覆盖检测整张偏光片,并实验分析了条纹宽度情况对检测步数的影响。给出了相应的三种图像处理算法,通过对比分析发现其中的二步平均法在速度和精度上都具备更大的优势。3、提出了一种无损测量内部点状缺陷深度的方法。将点状缺陷建模为微透镜,在固定像距的情况下,实验研究了饱和成像时的缺陷亮度与缺陷深度之间的相关性关系。采用激光共聚焦显微镜标定,建立了缺陷深度测量的解析表达式。三个样品的测量误差分别为1.2%、3.7%和22.9%。初步实验结果表明,此方法可用于内部缺陷深度的估测,从而更加准确判断偏光片质量。4、综合考虑偏光片尺寸以及检测成本,设计并研制了低分辨率成像(120μm/pixel)的检测样机系统,针对一个24英寸的样品,采用4个500W像素的相机进行全覆盖检测,同时研究了低分辨率成像条件下的图像处理算法。本文采用RPCA算法检测偏光片样品上的极细微透明缺陷,采用饱和成像下的结构光对缺陷进行检测,检测精度高。首次提出一种基于相关性分析的透明缺陷深度测量方法,同时搭建起针对偏光片缺陷的机器视觉检测平台。实验结果表明,本文所研究的检测方法具有良好的应用价值,可望用于偏光片的在线缺陷检测。