我国作为世界上的饮料大国,玻璃瓶是饮料的一种重要包装方式。在饮料灌装前需对饮料包装瓶进行质量检测。人眼检测效率低,工作环境恶劣,易出错。本文通过工业视觉检测的方式,以机器代替人眼,针对空瓶质量检测过程中,瓶身检测这一环节进行了研究与应用。提出了两种检测方法:以整体玻璃瓶为对象的检测方法和分区域的玻璃瓶瓶身为对象的检测方法。对于空瓶瓶身整体进行检测的方式,首先通过投影法实现玻璃瓶瓶身的快速定位,针对多种瓶型均可实现快速、准确的检测。然后通过输入玻璃瓶瓶身参数,实现玻璃瓶瓶身模型的建立,提取瓶身整体检测区域。对比了两种方法对玻璃瓶瓶身区域进行检测的效果.:其一通过阈值分割与边缘纠正的方法实现玻璃瓶瓶身质量检测,其二通过PCA降维的方式对输入图像实现主成分提取,将通过主成分提取的特征向量输入BP神经网络中训练神经网络,用于最终缺陷检测。两种方法均实现了玻璃瓶瓶身整体检测,其中第一种方法速度快,但精度相对较低;第二种方法准确率高,降维时间较长,需要大量的样本支撑。分区域的空瓶瓶身检测方式,依据玻璃瓶瓶身光路特性,对于玻璃瓶瓶身进行区域划分,将瓶身分为七个区域,分别归类为光滑区域、耐磨带区域、纹路区域和LOGO区域,针对不同区域,提出了不同的检测算法。针对光滑区域,提出了八邻域梯度阈值检测的方式;针对耐磨带区域,提出了水平梯度算子阈值分割的检测方式;针对纹路区域,提出了基于相位变换的纹路检测方式,根据相位一致性,通过相位变换去除玻璃瓶瓶身纹路,转换为光滑区域进行修正分割的阈值检测方式;针对LOGO区域检测时,通过改进的Canny算子实现LOGO区域的字符和缺陷区域提取,通过求取这两个区域的HOG特征,通过SVM对样本进行训练,利用RBF核函数实现LOGO区缺陷的检测分类器。玻璃瓶瓶身分区域检测速度快,效果较为准确,具有工业适用性。本文对高速高精度空瓶检测机器人瓶身检测进行了研究,以瓶身整体和分区域两种方式进行了研究,整体检测速度较快,但在特定区域准确性不足;分区域检测方法,实现了多区域的检测,牺牲了一定速度,但弥补了国内在字符和带纹路的玻璃瓶质量检测的空白。