药瓶外观缺陷视觉检测系统

药瓶外观缺陷检测主要采用机器视觉+深度学习技术，替代传统人工目检，解决效率低、主观性强、易疲劳等问题。现代检测系统可实现每分钟400-1000个药瓶的高速在线检测，识别准确率达99%以上。

二、核心技术架构
1. 成像系统
多视角相机布局：通常采用8-11个工业相机，从瓶口、侧面、底部、倒角等角度进行360度全方位检测
特殊光源设计：针对透明/反光材质（玻璃、PET塑料），采用环形光、背光、同轴光等组合，消除反光干扰
 多视角药瓶检测成像 

2. 算法技术演进
基于规则的视觉 预设阈值（对比度、边缘、亮度） 确定性结果，易验证，速度快 误报率高（>30%），难以应对产品变异
监督学习 大量标注样本训练 可检测复杂缺陷，适应光照变化 需要3000+样本/缺陷类型，罕见缺陷样本难获取
增量学习（最新） 持续学习新缺陷，避免灾难性遗忘 适应新缺陷类型，无需完全重训练 需配合LwF等技术保持稳定性

3. 深度学习模型应用
目标检测模型：YOLOv8（改进版加入GAM注意力模块）、RetinaNet等，用于缺陷定位和分类
实例分割：精确提取缺陷区域，计算缺陷面积占比
多特征融合：结合纹理、颜色、形状特征进行 Ensemble Learning

三、主要缺陷类型与检测难点
按瓶身区域分类：
密封区域缺陷：
螺纹损伤、短射（Short Molding）、飞边/溢料
瓶口/颈部缺陷：
椭圆变形（Ovality）、缺料、异物嵌入、飞边
瓶身缺陷：
划痕、气泡、黑点/杂质、薄壁、针孔、烧焦点、透明度不均
瓶底缺陷：
吹塑不完整、凹陷（Coving）、直径偏差

技术难点：
透明/反光材质：光线反射折射会掩盖缺陷（如玻璃划痕）
瓶口凹陷阴影：瓶身与瓶口连接处的阴影干扰检测
微小缺陷：微米级裂纹、颗粒在高速线上易被忽略
多规格适配：不同形状/尺寸药瓶需快速切换检测参数

应用场景与效益
固体药瓶 ：黑点、飞边、缺料、划伤 替代人工，效率提升300%+
滴眼剂瓶 ：密封性、透明度、尺寸精度 满足无菌要求
糖浆瓶 ：液位高度、标签完整性 配合理瓶机、打包机实现全流程自动化
药用玻璃瓶 ：杂质、异物、残缺、尺寸 识别准确率显著提高

最新发展趋势
AI+传统算法融合：结合传统CV的边缘检测与AI的语义理解能力
增量学习：模型可持续学习新缺陷类型，适应生产环境变化
云端协同：通过"AI云大脑"进行远程运维和模型更新
法规合规：满足DSCSA、EU-FMD等全球追溯法规要求