目前国内的显示平板产能已达到全球第一,但国内对产线所需的大尺寸平板缺陷检测高端设备,尤其是带有缺陷分类识别功能的复检系统的开发上相对滞后,仍处于国外技术垄断状态,且对于缺陷种类以人工判别为主,因此国内对于用于微缺陷识别分类的复检系统有迫切需求。而目前公布的文献显示对缺陷分类的研究主要围绕周期性背景纹理下,根据缺陷形状等信息进行点状缺陷、线状缺陷分类或根据缺陷的位置以及缺陷的大小进行致命缺陷和非致命缺陷的分类,无法实现所需的复检系统对微缺陷的缺陷种类的识别功能。因此本课题针对大尺寸平板缺陷种类识别这一问题,研究用于微缺陷自动识别分类的复检系统。设计复检硬件系统,研究非周期性背景纹理下的缺陷识别分类算法,并进行准确率分析。本课题主要的研究内容如下:(1)设计复检模块的光学系统及机械结构,根据复检系统的需求分析,通过对系统中成像、照明、对焦模块的可行方式进行优劣分析,最终确定采用无限远显微成像系统,照明方式采用临界同轴照明,对焦方式采用激光位移传感器进行测距对焦,并完成模块中所需器件的选型,最后根据所选器件设计器件间连接的机械结构。(2)提出采用基于奇异值分解重构方法与基于孔洞特征检测方法结合的方式用于具有非周期性复杂背景纹理复检图像的缺陷提取。针对奇异值分解重构算法,设计残留的背景纹理噪声滤出方法和重构分界点自动提取方法,为克服其对缺陷所在区域的局限性,提出用基于孔洞特征检测方法结合的方式,对非水平竖直突触纹理区域缺陷进行提取。(3)提出基于颜色空间的缺陷分类识别方法。针对本课题的缺陷分类对象,选取HSV颜色模型,采用基于颜色规则定义以及概率分类识别器对粘连的膜缺陷、脱落的膜缺陷、异物缺陷进行识别分类,为了提升异物缺陷的分类识别准确率,对分类方法做出改进,采用结合轮廓位置的颜色特征的异物识别方法实现异物识别,有效的提升对于处于电路纹理边缘的异物缺陷的类型识别。