液体药品瓶口缺陷检测是制药和包装行业的关键质量控制环节。由于瓶口缺陷（如裂纹、破损）可能导致漏液、污染甚至玻璃碎屑混入药品，传统人工检测已难以满足高速产线的精度和效率要求。
基于传统图像处理的算法方案
检测思路：利用瓶口（尤其是圆形瓶口）的几何特征，通过定位、拟合和特征分析来发现缺陷。例如，通过圆形拟合精确定位瓶口中心，再使用圆孔毛刺检测算法扫描边缘，当裂纹或缺口导致边缘灰度异常时，即可判定为缺陷。
关键参数：算法中可设定如宽度阈值2像素、高度阈值4像素等具体数值，来控制检测的灵敏度，确保能检出微小缺陷的同时不过于敏感。
典型应用：适用于瓶口形状规则、缺陷类型较为固定的场景，如西林瓶的瓶口破损检测。
基于深度学习的AI检测方案
检测思路：通过训练专门的神经网络模型，让系统自动学习并识别瓶口的“正常”与“缺陷”特征。这种方法尤其擅长处理复杂结构（如带螺纹的瓶口）和未知类型的新缺陷。
技术亮点：有研究显示，通过预处理专门提取瓶口的螺纹区域进行训练，可将检测精度从98.0%进一步提升至99.7%，显著降低误检。同时，语义分割技术能有效区分真正缺陷与无害的气泡或脏污。
典型应用：适用于瓶口形状复杂（如化妆品瓶）、缺陷形态多变或对检测精度有极高要求的场景。
