在玻璃的生产过程中，由于各方面因素的影响，玻璃表面会出现诸如气泡、黑点、斑点等瑕疵；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。

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。

   人眼检测已无法满足现代企业高速、精确、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了。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，实现缺陷精确检测，智能分类和分级，已成为一种行业趋势。

以透镜使用机器视觉检测为例：

   当前有三种尺寸的透镜，分别是直径约为3.4cm的透镜，直径约为3.8cm的透镜，直径约为4.2cm的透镜，分别对这三种尺寸透镜进行检测。

   检测效果图中，蓝色代表污渍等有问题的区域（精度为0.39mm）；绿色代表透镜缺损部分。检测效率可达3秒/个，误检率低于0.1%。检测材质也延展至：PS、ABS、PC、PMMA、PE、PO、PVC、PP、PBT、环氧树脂等。

测试1：对直径约为3.4cm的透镜进行检测

(1)源图像

(2) 检测效果图

(3) 系统输出结果

测试2：对直径约为3.8cm的透镜进行检测

(1) 源图像

(2) 检测效果图

(3) 系统输出结果

测试3：对直径约为3.8cm的破损透镜进行检测

(1) 源图像

(2) 检测效果图

(3) 系统输出结果

测试4：对直径约为4.2cm的透镜进行检测

(1) 源图像

(2) 检测效果图

(3) 系统输出结果

   以上为机器视觉在透镜质量检测的一些应用，可扩展到其它玻璃类如玻璃瓶、汽车玻璃、建筑玻璃、手机屏幕、液晶面板等的应用场景。