本文以药用玻璃输液瓶为对象，依靠机器视觉和图像处理技术，主要研究了玻璃瓶在线视觉检验系统中的瓶口和瓶身缺陷检测算法。　　首先，给出玻璃瓶在线视觉检验系统的整体框架，具体包括单个玻璃瓶检测和批量玻璃瓶检测模块。全文主要围绕输液瓶图像的瓶口和瓶身缺陷检测算法展开，着重讨论了基于输液瓶图像的滤波方法和分割算法。通过详细分析输液瓶瓶口图像中噪声的特点，设计了一种混合滤波器，能够同时滤除脉冲噪声和高斯噪声。另外，为提取出有意义的瓶口待检测目标，设计了一种基于约束区域生长的分割方法，为待检测目标的分析和识别奠定了基础。　　针对瓶口的批量检测，首先分析了输液瓶的主要缺陷类型。提出了一种局部约束最小二乘圆拟合方法，定位瓶口的待检测区域。将瓶口缺陷信息分为两大类：即完整性缺陷检测和特殊性缺陷检测，针对不同的类型，采用相应的检测算法，完成输液瓶的瓶口图像进行质量判别。　　针对瓶身的批量检测，其检测区域的确定与瓶口不同，根据瓶身形状的对称性，利用一种径向扫描方法确定出瓶身的待检测区域。由于输液瓶的瓶身处印有刻度线及刻度数，对真实缺陷的识别造成干扰，于是，在统计决策分类器中的特征规则设置方面，通过加入目标位置和质心距离这两个统计量，排除刻度线和刻度数形成的伪缺陷信息。　　本文提出的所有算法均在Visual C++6.0或MATTAB中得以实现，实验结果表明，这些算法和目前许多玻璃瓶缺陷检测算法相比，能够取得较为满意的结果，具有一定的实用价值。