工业机器视觉进行玻璃表面缺陷检测的过程主要包括以下几个步骤：
1. 图像采集：
通过光学系统，利用LED红光或其他合适的光源垂直（或其他角度）入射待检测的玻璃。
若玻璃中存在缺陷，CCD相机的靶面会检测到不均匀的出射光。
图像采集卡对输出的信号进行实时采集，并将数字化处理后的图像传输至计算机中。
2. 图像处理：
依靠视觉检测软件系统对采集到的图像进行灰度值化、滤波降噪和阈值分割处理。
完成缺陷图像的滤波、边缘检测、特征提取以及分类的功能。
3. 缺陷识别与分类：
采用多模式融合、图像特征提取及深度学习算法，有效区分不同类型的缺陷，如气泡、结石、凹凸、划伤和色斑等。
可以通过BP神经网络等算法对玻璃表面的缺陷进行分类。
4. 结果输出与报警：
检测系统会根据瑕疵面积大小、形状、灰阶差异等特征实现瑕疵的自动分类，并生成瑕疵记录报告。
对于周期性连续性瑕疵，系统会自动报警，并可自行设置报警密度。
整个检测系统通常还包括智能控制及机械执行部分，以确保检测的准确性和效率。在实际应用中，还会根据具体需求和玻璃产品的特点，对检测系统进行定制和优化。
工业机器视觉通过图像采集、图像处理、缺陷识别与分类以及结果输出与报警等步骤，实现对玻璃表面缺陷的高效、准确检测。
