绝缘子是架空输电线路的重要组成部分，其性能好坏直接影响了电网的运行安全。钢化玻璃绝缘子机电性能优越、无老化现象、无隐蔽缺陷，其“零值”自爆性能可以免除输电线的“零值”检查，大大降低了维护费用。因此，钢化玻璃绝缘子越来越得到广泛使用。目前国内外对钢化玻璃绝缘子的检测方法仍然采用传统的人工肉眼检测，这种检测方法存在主观、视角、疲劳、员工熟练程度等因素的影响，而且由于检测速度慢，已逐渐无法满足高度自动化生产的要求。因此本文提出了一种新型的钢化玻璃绝缘子缺陷检测方法及装置。在机器视觉技术的基础上，设计旋转实验台和大面积LED光源，分析玻璃件缺陷与环形槽带的图像特征，结合Canny算子边缘检测图像分割技术与最小二乘原理，并运用人工神经网络分类器，克服了钢化玻璃绝缘子形状复杂性以及缺陷多样性造成的检测的困难。首先，分析钢化玻璃绝缘子不同类型缺陷的分布和形态特征，并根据钢化玻璃绝缘子的国家标质量标准和玻璃件构特点设计检测方案和实验装置。其次，重点研究绝缘子缺陷检测的算法。钢化玻璃绝缘子有三条槽带，成像为环形暗带，对图像分割与辨识造成很大影响。因此，本文以直方图均衡化、高频加强滤波器和同态滤波器算法的实际效果为依据，分析绝缘子频率域图像特征，削弱槽带图像影响。最后，对照Surf局部匹配法和几种图像分割算法，提出Canny算子边缘检测与最小二乘法结合的槽带图像分析算法，并设计基于缺陷图像几何特征的神经网络分类器。使用样品训练分类器，并对未知样品进行分类实验。测试结果表明，该装置及其检测方法能够满足企业自动化生产的需要。