白酒在我国有着悠久的历史和传统,随着当今白酒产量的不断增加,为更好的满足产品市场竞争,白酒生产商对产品质量的要求也在日益提高。白酒瓶质量检测过程中传统的人工检测模式容易受到视觉疲劳等因素影响且效率低,因而无法满足工业化生产应用要求。所以研究基于机器视觉的白酒瓶检测系统,代替人工检测方法,从而有效的满足白酒产品质量检测要求,提高检测准确性,具有十分广泛的应用前景和经济价值。本文基于机器视觉技术介绍了白酒瓶缺陷检测的相关理论和技术,设计了一套白酒瓶烤花缺陷检测系统,并着重探讨和分析了白酒瓶烤花缺陷的检测算法。首先,本文对课题的背景及意义进行了简要的论述,分析了白酒瓶缺陷检测领域的研究情况和发展现状,总结了白酒瓶烤花常见缺陷的类型、特点和成因,接着对白酒瓶烤花缺陷检测相关的技术和方法进行了介绍。其次,本文根据检测对象的特点和检测需求,设计了一套白酒瓶图像采集系统,系统以机械手抓取相机环绕式图像采集为工作模式,由视觉照明模块、机械手抓取与控制模块、图像采集模块所组成。然后,对采集到的白酒瓶烤花图像首先进行去高光处理、图像降噪以及图像分割等预处理操作。针对白酒瓶表面商标类缺陷利用基于SURF算子的图像配准、图像差分以及Blob分析法进行缺陷检测,实验结果显示,该检测方案的平均检测率为95.40%。而非商标类缺陷则提取其14维特征制作成白酒瓶烤花缺陷数据集,作为本文XGBoost分类器的输入向量,并利用贝叶斯优化算法对本文分类器进行参数优化,最终利用自建的白酒瓶烤花缺陷数据集对本文分类器进行了交叉验证和结果分析。最后,将本文使用的缺陷检测模型与其他八种常用机器学习模型进行了多维度的评价与分析,实验结果表明,本文所使用的缺陷检测算法模型平均检测率达到98.58%,和其他模型相比具有更高的检测率和稳定性。