玻璃盖板是手机终端最重要的组成部件之一,具有透光性好、强度高、触摸手感舒适等优良的力学和光学性能。玻璃盖板的制造工艺非常复杂,在其生产、搬运过程中不可避免会产生各种各样的缺陷。随着手机产业的飞速发展,玻璃盖板的设计各式各样、型号迭代更新快,对其表面缺陷进行检测的方法的要求也越来越高。本文围绕手机玻璃盖板视觉缺陷检测理论与实验展开研究,主要研究内容如下:（1）手机2D/3D玻璃盖板表面图像采集方案设计。针对检测对象具有的三维曲面特征对成像带来的反光干扰问题,对曲面区域镜面反射光路进行建模和分析,提出了一种“化曲为直”的图像获取方案。针对相机景深限制导致部分三维曲面特征成像模糊的问题,提出了一种小波域变换和空间域变换相结合的多聚焦图像融合算法。在此基础上,给出了手机玻璃盖板的成像系统方案,并完成了实验系统的选型与搭建。（2）基于结构与纹理生成模型的玻璃盖板典型缺陷仿真。针对玻璃盖板缺陷数量少、样本收集困难的问题,提出了一种基于缺陷外部轮廓模型、内部结构生成模型和纹理生成模型的人工缺陷仿真算法。通过控制和改变缺陷模型参数,可随机生成不同种类的仿真缺陷。在此基础上,通过深度学习分类和目标检测实验对人工缺陷仿真算法进行评估。实验结果表明,本文所提出的算法可以有效模拟出玻璃盖板实际缺陷的特征。（3）基于自适应增强与特征级联网络的玻璃盖板视窗区缺陷检测。针对缺陷检测算法通用性和稳定性需求,研究了进板异常检测、基于形状模板匹配的感兴趣区域图像获取及预处理方法。针对低对比度缺陷的提取,给出了一种结合高斯滤波图像差分法和线性变换的自适应图像增强方法。同时,针对簇状类块状缺陷易漏检问题,提出了一种簇状类块状缺陷聚类策略。在此基础上,针对多类型缺陷准确分类和检测效率要求,提出了一种级联BP神经网络和CNN的粗-细分类相结合的缺陷检测算法,有效地解决了手机玻璃盖板多类型缺陷的标准比对和准确分类问题。最后,通过实验对所提出算法的有效性和性能进行了验证。（4）基于Gabor卷积与旋转区域建议网络的玻璃盖板边缘区缺陷检测。针对传统边缘检测算法稳定性、通用性差等问题,提出了一种多尺度任意方向边缘目标缺陷检测算法。算法采用特征金字塔网络（FPN）结构用于实现不同尺度的特征信息融合,通过旋转区域推荐网络（R-RPN）生成不同比例、多角度的区域建议框。同时,为减少背景干扰并增强不规则线性边缘的缺陷特征,在特征提取主干网络前端加入Gabor卷积层。最后,提出了一种端到端边缘缺陷检测策略,并通过实验验证了所提算法的有效性和检测性能。最后,总结全文并展望未来研究方向。