玻璃生产的工业化和规模化后，各种用途和各种性能的玻璃相继问世。现代，玻璃已成为日常生活、生产和科学技术领域的重要材料，被广泛用于建筑、日用、艺术、医疗、化学、电子、仪表、核工程等领域。

随着现代工业自动化技术日趋成熟，越来越多的制造企业考虑如何采用机器视觉来帮助生产线实现检查、测量和自动识别等功能，以提高效率并降低成本，实现生产效益最大化，视觉检测也向玻璃行业的各类产品“发起”挑战。

01 玻璃表面缺陷类型

玻璃在成形时，由于生产材料及生产过程原因引入的，不可避免的在玻璃表面（含内部）出现气泡和结石、黑点、斑点等缺陷。
    玻璃上的结石、砂粒因运输过程中振动摩擦，会出现玻璃表面划伤；随着玻璃加工设计的多样化，对玻璃的打孔、挖槽、磨边的情形越来越多，受定位、手法、机器等因素影响，会出现划痕、裂纹、缺损；受环境或操作原因，也会出现油污、水渍及其它脏污等污渍。

常见的缺陷包括气泡、结石、凹凸、划伤和色斑等。开口泡和结石等缺陷会导致玻璃或组件存在爆片风险，所以这些缺陷的检出尤其重要。

02传统玻璃检测方法
传统的玻璃检测方法是依靠人眼来判断玻璃表面各种问题，存在很大的局限性：
1. 人眼对微小的缺陷不敏感，有误检、漏检风险；
2.人眼无法连续、稳定完成高强度重复性检测工作，会产生疲劳，速度慢、效率低；

3.主观判断受心情、思维、光照等影响，具有很大的不稳定性和非标准性。
目前玻璃的尺寸向着超薄和大尺寸的方向发展，这样就要求生产速度随之提升，给人工检测也带来了很大的困难，此外开口泡和结石此类缺陷尺寸在小于0.5mm时，人工往往很难发现。
    人眼检测已无法满足现代企业高速、**、实时的品检要求，而人工成本不断上涨给企业经营带来压力。
    以iPhone OEM工厂为例，生产过程中的外观检查耗费30%以上的人力，每年检查人力成本高达48亿元人民币。然而，随着中国平均工资增长率超过10%，低成本劳动力的日子已经一去不复返。
    降低人力成本已成为企业最重要、最迫切需要解决的问题。为了减轻昂贵的劳动力负担，机器视觉替代人眼，采用智能图像采集和图像处理技术，检测系统利用视觉处理算法，实现缺陷**检测，智能分类和分级，已成为一种行业趋势。