产品表面缺陷检测是衡量产品制造良率的关键技术,已经成为智能制造自动化生产的基石。自动光学检测（Automated Optical Inspection,AOI）是最具前景的表面缺陷检测技术之一,其中检测算法是影响AOI系统检出率与误检率的核心。现有深度学习视觉检测算法普遍采用生成模型,可有效解决规则纹理缺陷检测问题,但无法应对非规则纹理表面质量检测难题,难以满足生产企业的高质量检测需求。本论文针对现有纹理表面缺陷视觉检测难题,提出了基于语义分割思想的纹理表面缺陷检测方法并设计开发了图形化纹理表面缺陷AOI检测软件,如下为本文的核心研究内容。（1）针对带缺陷纹理背景难以精确重构难题,提出了基于多尺度语义信息融合网络（Multi-scale Semantic Information Fusion Network,MS-SIFN）缺陷检测算法。该算法采用监督方式直接对纹理缺陷进行精确分割,在MVTec AD数据集上的对比实验结果表明MS-SIFN平均AuROC达到0.962,优于所对比的缺陷检测算法。（2）针对零缺陷样本场景下的纹理表面缺陷精确分割难题,提出了基于语义信息分解网络（Semantic Information Decomposition Network,SIDN）的纹理缺陷检测算法。该算法不使用真实缺陷样本对纹理缺陷进行精确分割,在MVTec AD数据集上的对比实验结果表明SIDN平均AuROC达到0.978,优于所对比的缺陷检测算法。（3）围绕工业场景中不同产品纹理表面检测软件快速开发难题,设计了图形化纹理表面缺陷HUST-DL AOI检测软件。该软件采用微内核设计模式与图形化编程技术,以图形化形式快速构建AOI任务解决方案。本文将MS-SIFN和SIDN算法集成于HUST-DL AOI软件,基于OLED（Organic Light-Emitting Diode）新型显示器件AOI缺陷检测设备采集样本进行测试。结果表明,所提出的MS-SIFN算法平均AuROC指标达到0.985,SIDN算法平均AuROC指标达到0.997,能够满足对OLED产品表面缺陷检测生产需求。