目前,国内对平板玻璃深加工过程中出现的表面缺陷的研究较少,且尚未有应用于生产的成熟的自动检测系统。而基于机器视觉的检测系统具有非接触、自动化的优点,且与人工检测相比,可靠性更好,速度更快,质量更高。本文以实现玻璃表面缺陷自动检测为目标,对相关理论和实现方法开展了一系列的深入研究。主要研究工作如下:第一,通过分析视觉检测系统的要求和玻璃深加工过程中面临的检测困难,拟定一种新的玻璃表面缺陷视觉检测整体方案,给出检测系统的硬件组成,完成关键硬件(光源、相机)的选型。第二,针对玻璃透明、反光的特性,研究了三种玻璃缺陷采集系统:基于光栅的玻璃表面缺陷采集系统、基于智能光源的玻璃表面缺陷采集系统和低角度照明玻璃表面缺陷采集系统。通过对比分析三种系统的采集效果和优缺点,为图像采集系统的选取提供理论依据和实验验证。第三,针对采集到的玻璃表面缺陷图像,采用实验对比分析的方法研究图像处理算法。主要包括研究玻璃缺陷图像中噪声、光照不均匀和背景条纹的去除方法;研究光照不均匀玻璃缺陷图像的两种有效分割方法:基于边缘改进的阈值分割方法和基于灰度波动变换的阈值分割方法;研究连通区域的提取和特征分析,给出一种新的基于形状特征的玻璃缺陷分类方法。实验结果表明,基于灰度波动变换的阈值分割方法可以极大提高玻璃表面缺陷的分割效果,基于形状特征的玻璃缺陷分类方法具有较高的分类正确率,两者在一定程度上满足实际检测需求。本文完成了系统整体方案的设计,实现了图像采集系统和图像处理算法的研究,为整个视觉检测系统进一步的研究改进提供了理论依据。