近年来,科技进步和网络普及使得手机用户的数量不断增加,手机屏幕的生产需求量巨大。而手机屏幕缺陷检测作为生产的一个重要环节,其品控和质检问题备受关注。传统的质检方式主要靠质检员用肉眼来识别生产缺陷,不仅效率低下,而且对于一些小型或微型缺陷难以用肉眼辨别。机器视觉的兴起为手机屏幕的缺陷检测提供了新思路,人们将机器视觉相关算法应用到手机屏幕缺陷检测,一定程度上解放了人力,提高了检测效率。然而,机器视觉的应用场景有限,只能应用于低噪声、光照充足的场景中,算法稳定性差且调参量大。随着深度学习理论的快速发展,人们发现深度学习在缺陷检测任务中表现的越来越出色,检测速度快、准确率高,应用场景也更加广泛。因此,本文结合深度学习对手机屏幕缺陷检测方法进行研究,实现一个能够精准识别手机屏幕缺陷以及缺陷种类的算法。本文的主要工作内容如下:（1）本文提出了适合手机屏幕缺陷的改进的手机屏幕整体缺陷检测算法。首先对手机屏幕缺陷图像进行多种图像预处理操作,解决图片本身中存在的噪声、模糊等问题,实现对手机屏幕是否存在缺陷的初步判定。（2）针对本文存在的小样本问题,本文提出了基于滑动窗口算法的改进的图片分割算法;提出了一种基于ACGAN算法的手机屏幕缺陷虚拟样本的生成方法;提出了基于数据增强的方式生成新的缺陷样本方法,对手机屏幕缺陷数据集进行了扩充。（3）基于改进的Faster RCNN和YOLO v5算法,本文提出了适用于手机屏幕缺陷检测的深度学习方法。本文改进了NMS方式和ROI Pooling方式,本文简化了主干网络,并引进了注意力机制,从而达到了对手机屏幕缺陷检测更好的识别效果。本文通过实验验证了提出的基于计算机视觉的手机屏幕缺陷检测方法的效果,实现了对手机屏幕缺陷的初步判断,手机屏幕缺陷种类检测的准确率达到了98%以上,单个缺陷检测耗时0.012s。