工业生产中,玻璃面板的制造加工及运输过程难免会出现诸如划痕、异物等缺陷问题,这些缺陷问题不仅仅影响产品的美观和使用价值,而且会影响消费者对该品牌的选择认可度。所以,如何从众多的玻璃面板中筛选出具有缺陷的不良品就显得尤为重要。传统的玻璃面板检测方法是通过人眼在强光下逐一对玻璃面板进行检测,该方法无统一的判别标准,完全依靠工人的经验,容易导致误检或漏检;同时工人劳动强度大、检测效率低、检测结果无法数字化,严重影响产品的生产周期和质量。为此,如何准确快速地从成批生产的透明玻璃面板中检测出有缺陷的不合格产品将是一个亟待解决的重要课题。为实现玻璃面板表面快速、准确、高效在线检测的要求,通过激光散射成像原理,设计了一套基于FPGA的透明玻璃面板缺陷的激光散射图像采集软件系统,主要工作如下:(1)提出了以服务器为控制主机,图像数据采集卡作为图像采集处理单元的C/S系统架构。(2)利用了FPGA的高并行特性、GigE Vision网络的高传输速度和快速响应特性,完成了图像采集系统的设计和功能实现。(3)根据玻璃面板表面缺陷的特征与种类,研究设计了一套基于人工神经网络且适用于玻璃面板缺陷的图像处理算法,具有自适应性好,分类效率高等优点。(4)搭建了验证平台对该系统进行了进一步的验证。实验表明该图像缺陷采集软件系统可以30mm/s的情况下成像良好,以太网的通信速度为5.3Mbytes/s,采集卡对服务器的响应时间在0.3ms左右。平均误检率在5.09%左右,平均漏检率在1.05%左右。本文设计的玻璃面板图像采集软件系统具有响应特性好、实时性高、自动化程度高、数据吞吐能力强等特点,满足了玻璃面板表面缺陷在线采集系统的要求。为机器视觉技术在工业领域的普及和发展提供了一定的借鉴意义。