目前，PET容器在制造工艺上日趋完善。但与生产线配套的国产瓶口缺陷检测设备却十分落后，使用的大部分瓶口检测设备都是从国外直接进口。国内对瓶口缺陷检测的研究处于滞后状态，大都停留在理论研究和算法验证阶段。虽然有少部分研究工作者制造出了样机，但大都脱离了工业应用的实际情况。基于国内现状，本课题在国内一家知名的PET吹瓶生产线制造厂家的协助下，开发出了基于机器视觉的瓶口缺陷检测系统，该系统已顺利通过了测试验收。　　 本论文的创新点主要有以下几个方面：　　 一、在瓶口区域定位算法方面，我们总结国内其他研究工作者在这一方面的研究工作，并做了大量的实验分析，继承了成熟算法中的优点，并对自身的算法进行创新，提出了一套新的定位算法。这套新的定位算法通过实验测试表明，在达到同等定位精度的情况下，在速度上比国内最成熟的定位算法提升了12.29％。　　 二、根据从瓶口图像中提取出来的原始特征特点，我们创新性的提出了特征的二次解析，这在其他研究工作者的成果中是很少见的。我们通过二次解析，成功地将原始特征压缩并提高了数据中的信息密度，为缺陷决策做好了铺垫。　　 三、使用权重CART树群产生规则对最终的缺陷进行决策。通过实验表明，这种判决方法的平均准确率达到97.33%，而依据国内其他研究工作者提出的判决算法进行测试，其准确率只达到92.14%。　　 四、我们编写了一系列不同平台的软件系统用于现场测试。经过测试表明，这些系统无论在算法的有效性上还是整体的稳定性上，都是经得住考验的。　　 本论文在算法上和应用上都进行了大胆创新，并取得了一定的成果，解决了在研究过程中遇到的许多问题，为瓶口缺陷检测的后续发展做好了铺垫。