现代工业化生产进入了一个高速发展的时期,消费者享受各种电子类产品给生活带来丰富多彩体验的同时,也对制造业提出了严苛的要求。受限于传统人工辅助质检的低效率与高成本等困境,由相机和计算机系统等构成,代替人的眼睛和大脑来对缺陷进行定位、辨认,最后进行智能判断和检测的机器视觉检测技术应运而生。面向数码产品外壳表面缺陷的适应性智能视觉检测方法在基于机器视觉的基础上,针对手机外壳外观质量检测中的速度慢、精度低和智能化程度不够等问题,研究设计了一系列的面向手机外壳质量检测的关键技术。首先研究了光学照明对成像效果的影响,设计了合理的照明方式,研究了相机和镜头的配合选型对成像质量的影响,其主要工作是在基于成像模型的基础上,围绕调制传递函数,研究镜头和相机之间的各个重要参数机理。检测时,先使用基于颜色特征的智能定位算法对感兴趣区域进行定位,并根据灰度统计分析后的结果,选取合适的特征使用GRNN神经网络分类器对材料进行分类。接着使用基于全局和动态阈值的混合阈值分割算法以及改进的曲线检测器对不同的表面进行检测,该曲线检测器利用高斯滤波和偏导特征先找出曲线的关键点,再通过“松弛”算法将其连接成线。最后还给出一种手机外壳微小部件的轮廓匹配的算法。通过系统的调试,验证了软件与硬件方案的可行性。实验结果显示所有算法除了保持较好的精度与较强的鲁棒性以外,其运行速度也能满足实际工程的需求。