随着科学技术的快速发展,智能手机的普及度越来越高,作为更新换代最快的电子产品之一,实现旧手机的回收再利用具有非常重要的意义。对于旧手机的回收,目前传统的方式是人工回收,存在估价低、主观性大、便利性差、回收成本高等诸多问题,用旧手机智能回收终端代替传统的人工回收可以有效解决上述问题。目前的旧手机智能回收终端存在智能化程度低、估价偏低、操作复杂等问题,本文为弥补这些缺点,设计了一套智能化的旧手机外观检测系统,并搭建图像采集平台,开展旧手机定损定价的研究。针对存在的问题和设计要求,提出了一种旧手机品牌及型号识别方案。手机的背面包含手机品牌等字符信息,本文在利用字符识别算法实现旧手机品牌识别的基础上,考虑到对于手机等较为规则的物体,边角处包含更多旧手机外形特征,而边角处的轮廓曲率相对较大,因此采用基于曲率的阶段性模板匹配算法识别旧手机型号。第一阶段是只对曲率大的外围轮廓信息进行模板匹配,当第一阶段不能完全确定手机型号时,进行第二阶段基于权重的内部轮廓模板匹配,因内部轮廓所包含的形状信息少,故将第二阶段的度量因子乘以一个小于1的权值,使整个匹配算法更加合理。考虑到旧手机玻璃屏外观缺陷对旧手机的定损定价具有重大的影响,本文提出了旧手机玻璃屏外观缺陷的识别、分类、定位及边缘提取方案。在对玻璃屏四种外观缺陷分析和定义的基础上,采用基于区域的卷积神经网络完成玻璃屏缺陷的检测和定位,为了提高缺陷识别的准确性,将生成式对抗网络添加到算法中。在缺陷识别和定位的基础上,把检测到的缺陷分为条形缺陷和团状缺陷,分别利用轮廓跟踪算法和模糊C-均值聚类算法提取缺陷边缘,便于后续缺陷展示及人工复检。根据总体方案的设计要求,将获得的旧手机品牌和型号信息、玻璃屏缺陷信息以及内部配置等信息输入到定损定价模型中,给出一个合理的旧手机回收价格,完成旧手机的定损定价,通过实验验证了总体方案的可行性。