偏光片是液晶显示器的成像部件之一,影响着液晶显示器的成像效果。因此,偏光片表面质量的检查要求非常严格。然而,实际生产中的自动光学检测生产线容易漏检偏光片的细微透明缺陷。针对这些细微透明缺陷,研制高速度高精度高可靠性的自动检测系统势在必行,也能促进偏光片厂商及相关产业的发展。本文采用结构光饱和成像的方法检测偏光片的极细微透明缺陷,详细研究了结构光黑白条纹宽度比例、相机物距和相机曝光参数这3个参数对缺陷饱和成像的影响。使用结构光饱和成像检测偏光片的极细微透明缺陷,结构光黑白条纹宽度比例可以设置的范围为1.0～1.45,相机物距应该控制在50～200mm,相机曝光参数的曝光值控制在3～4。同时,研制采用结构光饱和成像检测偏光片外观缺陷的检测装置。使用Solid Works建立检测装置模型,设计的检测装置三维尺寸为2000×1100×700mm。设计了载物台和缺陷标记装置等结构,确定了送料机构的有效行程1500mm,搭建了检测装置的主体结构,编写了基于Lab VIEW的检测程序。本文采用卷积神经网络对偏光片图像进行缺陷检测和缺陷分类。针对偏光片图像有无缺陷检测问题,首先采集了2160组偏光片无缺陷图像,分析了可用于制作数据集的偏光片无缺陷图像的归一化直方图特点:一是高灰度值的峰值大于低灰度值的峰值。二是低灰度值峰值的灰度值小于50,高灰度值峰值的灰度值为255。筛选了644张偏光片无缺陷图像和400张缺陷图像作为图像数据集,采用迁移学习方法,使用Res Net50预训练偏光片图像二分类网络,二分类网络的验证集准确率达到98.36%,测试集准确率为97.00%,说明了训练的二分类网络可用于偏光片图像有无缺陷的检测。针对偏光片缺陷图像多分类问题,真实的偏光片缺陷图像400张,基于Res Net50预训练的多分类模型泛化能力差,测试集准确率才77.50%,远低于训练集准确率90.00%。为了解决偏光片缺陷图像数量不足的问题,本文提出了偏光片图像生成方法。首先通过直方图匹配或编码结构光生成偏光片无缺陷图像,然后利用直线方程和椭圆曲线方程在偏光片无缺陷图像上构造缺陷轮廓,生成气泡、折痕、凹凸点和异物4种缺陷图像。最后,用于训练的偏光片图像训练集包含了5种类型,有气泡、折痕、凹凸点、异物和无缺陷,每类各有1800张生成图像。测试集每种类型图像有100张生成图像和100张真实图像。训练集准确率达到95.20%,测试集准确率94.60%,说明训练的五分类模型能够检测真实偏光片图像的缺陷,也说明了所提出的偏光片图像生成方法具有可行性。