随着玻璃产量的日益增大,人工检测已无法满足社会生产需求。机器视觉技术具有高稳定性、可靠性、直观性以及非接触性检测等优势,使其广泛应用于在线检测系统中,基于机器视觉的玻璃缺陷在线检测技术已逐渐替代了人工检测。目前国内的玻璃缺陷检测设备主要依赖于进口,国内的研究工作还不够成熟,技术不够全面,需要进行深入的研究与系统开发。本文研究了一套多通道的玻璃缺陷在线检测系统,配合合理的光照模块,可同时检测出气泡、污点、划痕和玻筋等玻璃缺陷,实现了缺陷的快速定位和精准分类,具有很好的应用价值。为了提高缺陷检测效率,构建了多通道检测系统。设计了三种独立的光照方式,将通道一气泡、污点缺陷和划痕缺陷以及通道二玻筋缺陷最大化凸显出来,有效降低了缺陷误判率;并设计了多通道图像采集模块,在一次扫描中获得同一区域的多幅缺陷图像,在一定程度上减少了缺陷检测中的遗漏问题。开展了玻璃缺陷图像预处理算法研究。对比分析了适合各缺陷的滤波降噪、边缘检测、阈值分割的算法,初步分离出缺陷目标。采用顶帽运算去除了划痕缺陷因照明方式产生的不均匀光照;针对玻筋缺陷,提取了标准模板玻璃图像,采用差影运算得到其大致形态,考虑到该运算带来的缺陷间断问题,使用形态学闭运算弥合狭缝使玻筋缺陷形态完整呈现。通过实验分析对比,证明本文设计的预处理算法速度快,效果明显,便于后续特征提取。设计了轮廓提取算法,该算法包括寻找轮廓算法和筛选轮廓算法,分别解决了预处理中无法去除的气泡缺陷双轮廓问题和滤波难以消除的环境干扰。根据玻璃缺陷的特性,选择了强相关性的几何特征参数,通过设置合理阈值实现了对气泡、污点缺陷的识别分类,再结合不同通道及整体图片灰度值设计了分类器。设计的缺陷定位标记算法,可实现缺陷快速精准定位,并用不同颜色矩形框出,使分类结果更加直观。最后,搭建了实验平台对本文算法及系统设计进行了验证,并设计了上位机软件实现了人机交互。实验结果表明系统算法精度可达0.1mm,算法可匹配的生产线速度视生产线实际缺陷情况而定。