随着科学技术的进步，高端显示屏产品对平板玻璃的质量要求越来越高，玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低，已经无法满足生产实际要求。虚数科技研究了一种基于机器视觉和深度学习的玻璃视觉外观缺陷检测系统，采用先进的CCD成像技术和背光式照明获取图像，用图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理，实现对缺陷区域的特征提取和识别。

视觉外观缺陷检测技术通过设计高性能的光学成像系统并采用图像传感器对待测物体进行图像采集，采集的图像经过处理和分析，可提取出有用的信息。一般基于机器视觉技术的检测系统由以下几部分组成：光源、待测物体、CCD相机、图像采集卡、图像处理软件和计算机等。玻璃检测的原理是玻璃缺陷的光学性能和正常玻璃不同，缺陷会导致进入相机的光强发生改变，这种改变会引起图像灰度值的变化，通过图像灰度值化、滤波降噪、阈值分割等一系列的算法处理，可提取出缺陷的各种特征信息从而达到玻璃质量检测的目的。

基于机器视觉和深度学习的玻璃视觉外观缺陷检测系统，需要进行图像预处理，这是指对捕捉到的图像进行灰度化处理、滤波平滑、边缘检测和阈值分割等多种操作，其主要目的是消除图像中无关的信息或噪声，使图像更加清晰真实，确保高质量玻璃图像的输出，为下一步特征信息的提取提供必要的条件。根据具体要求选择不同的图像预处理方法，预处理结果的好坏直接影响后续图像分割和特征提取过程的准确率。