随着机器视觉、深度学习等领域的高速发展,基于视觉的智能化屏幕检测算法接连提出。虽然这些算法的检测效果越来越好,但是无法适用于新型号的数据并且无法对缺陷进行精细的评估。针对以上问题,本文提出基于生成对抗网络的算法改善算法的通用性,并且提出基于XGBOOST的缺陷细分类方法,能够更好的展示缺陷类别,为厂商改善生产工艺提供巨大的帮助。本文提出的基于生成对抗网络的算法,首先,使用卷积神经网络提取图像块的特征图,将特征图作为生成对抗网络的输入,然后采用已经训练好的判别式模型作为判定缺陷的分类器,以分类器的最终分类结果作为整个算法的检测结果。本文将缺陷检测问题变成一个二分类问题,通过此方法得到的深度模型能够有效的防止背景噪声的干扰,并且能够应对缺陷数据量少的情况,在算法的通用性方面有了大幅提升。针对手机屏幕细分类的问题,本文提出基于XGBOOST的缺陷细分类方法。经检测算法判断,在确定有缺陷的特征图上提取分类所需的8维特征,作为细分类模型的输入,得到最终的缺陷分类结果。本文在保证缺陷检出率的情况下,能够更有效的展示缺陷类别,达到了检测和分类兼顾的性能。实验结果表明,使用本文提出的生成对抗网络模型具有良好的检测效果以及通用性;同时,基于XGBOOST的模型能够兼顾检出率和分类率,为厂商提高产工艺提供巨大的帮助。