随着中国社会经济的迅速发展,对玻璃外观质量的要求越来越高,为了提高国内玻璃行业的生产自动化水平,针对国内玻璃质量在线检测理论研究与系统开发的严重滞后,本文对基于机器视觉的运动图像实时处理算法与理论进行了研究,并在此基础上完成了玻璃质量在线检测的关键技术研究与系统实现。通过对玻璃检测的技术要求和应用特点进行分析,提出了玻璃质量在线检测系统的总体技术方案,对玻璃缺陷识别原理进行了阐述,提出了系统目标和技术要求,从硬件和软件两个层次对检测系统进行设计,将硬件系统划分为五个模块分别进行介绍,提出了软件系统的总体设计框图,重点阐述了图像处理和分析流程。设计了一套玻璃图像获取系统,对采用不同光源所获得的玻璃图像进行了比较,采用板卡程序库来实现图像采集程序。通过预处理流程得到增强了的灰度玻璃图像,主要包括线性变换、中值滤波、运动模糊消除几个过程。为了减少环境的影响,提取了玻璃图像模板,然后将实时图像和模板图像进行不同的差影运算,来得到缺陷图像。将图像进行分区,每个区域选择不同的阈值,提出了一种自适应阈值选取算法;经过基于微分算子的边缘检测算法,可以提取出物体目标边界;基于样品缺陷特征,在对浮法玻璃灰度图像进行二值化时,采用了一种新的求分块阈值的局部阈值分割方法;采用形态学上的开闭运算来消除噪声的影响。缺陷的查找定位算法采用行程长编码算法,本文利用此算法设计了线阵图像的污点(blob)查找算法;根据玻璃图像的规律设计了除灰流程;通过分析缺陷图像,提取了若干特征作为区分缺陷类型的指标。为了区分不同类型的缺陷,设计了神经网络分类器;在分析了标准BP算法的基础上,提出了一种改进的BP算法,对原有BP算法中存在的缺陷给予改进,并针对两种不同的训练方式进行了讨论,将这种改进的BP算法应用于玻璃缺陷分类和字符识别中。结果表明,改进后的BP算法收敛速度加快,识别精度提高。最后,研制并开发了玻璃质量在线检测系统,包括硬件和配套处理软件,目前已经试运行于工业现场。