玻壳作为二极管封装的重要材料,因其耐热性能、机械强度、防潮性能、可靠性等比环氧树脂封装的二极管性能好,而被广泛应用。由于生产工艺的限制在实际生产过程中会产生气线、裂缝、棱角破裂等缺陷,破坏了玻璃制品的均匀性、透光性和抗热震性能。严重影响了二极管的电气绝缘性能,基于图像处理与模式识别技术的表面缺陷检测方法日趋成熟,成为自动化识别表面缺陷的重要方法。本文将图像处理技术与模式识别技术应用于二极管玻壳的缺陷检测中,以实现二极管表面缺陷检测的自动化。本文介绍了玻壳缺陷检测的最新研究进展,阐述了玻壳缺陷的产生原因以及传统的检测方法。提出了一套完整的二极管玻壳缺陷检测方案,其中硬件平台用于二极管玻壳图像采集;软件算法设计主要包括二极管玻壳图像的预处理、模板匹配、特征提取和缺陷识别,并详细分析了该方法的关键技术和难点问题。在预处理阶段模板匹配技术对多目标工件进行定位,使用自适应中值滤波对采集到的玻壳图像进行去噪和图像增强处理,在特征提取阶段使用了纹理特征、不变矩特征,和灰度特征提取算法,基于改进的神经网络算法对多种存在不同缺陷的玻壳图像进行缺陷训练,最后针对现场采集的二极管玻壳图像提取特征并使用神经网络实现了二极管玻壳表面缺陷的识别。通过实验验证与测试,本文提出的检测方法能有效的检测出玻壳表面存在的裂缝、破口、玻壳内壁的杂物具有很好的识别效果。玻壳图像缺陷识别率高达91%,实验表明本文的玻壳表面缺陷检测方法具有一定的工程应用价值。