玻璃缺陷在线检测系统已经在日益发展的今天发挥了至关重要的作用,机器视觉也已发展成为玻璃缺陷在线检测系统的中枢。随着计算机技术、信息技术和网络技术的迅速发展,基于机器视觉玻璃缺陷在线检测系统的先进性与卓越性越发的突出,逐渐成为当今自动检测系统的发展主流和研究热点。本文设计了基于机器视觉的玻璃缺陷在线检测系统,提出基于原始动态阈值算法的改进算法与基于支持向量机选择最优核函数的方法和参数优化方法。对玻璃缺陷的特征进行提取及分析,在此基础上对其进行识别与分类。首先,本文以机器视觉结构为指导思想,通过对其硬件以及软件各模块的功能的详细介绍以及特点的分析,设计了适用于玻璃缺陷在线检测系统总体方案。其次,针对玻璃表面缺陷图像的特点,研究了缺陷图像的预处理方法,对缺陷图像的进行了增强;重点研究了玻璃缺陷提取模块,针对传统的缺陷提取算法的不足,研究并提出了改进的动态阈值的玻璃缺陷提取算法。通过实验对算法的时效性与准确性进行验证,实验结果表明改进后的算法能快速将玻璃缺陷的存在检出,准确率高达97%,能够满足玻璃在线质量检测的各种指标。最后,对于缺陷的分类研究采用了基于支持向量机的算法,在支持向量机的基础上对多种分类器进行了设计,并选取了足够数量的缺陷样本进行实验验证,获得了令人满意的分类结果。通过实验验证的结果可以得出,此分类算法比起现有的分类算法具有更高的准确性和效率性。