如今，機器視覺技術的發(fā)展越來越成熟，并逐漸在各個行業(yè)中落腳。在日常生活中，隨著人們對飲料需求的不斷增加，對塑料瓶質量的要求也越來越高。因此，許多飲料制造商使用塑料瓶缺陷檢測系統(tǒng)來檢測瓶口、身體和瓶蓋上的缺陷。
由于機械設備不穩(wěn)定和缺乏人工操作水平，塑料制品在注射成型過程中容易出現(xiàn)質量缺陷。常見的注射成型缺陷包括填充不足、氣泡、裂紋、污垢和尺寸變化。
傳統(tǒng)的人工視覺缺陷檢測方法費時費力，認為長時間的視覺檢測會帶來安全隱患。作為一種較為經典和廣泛應用的深度學習結構，國辰技術的外觀檢測儀在過去已成功地應用于圖像檢測和分類中，為工業(yè)缺陷的檢測提供了一種可行的方法。
塑料瓶缺陷檢測系統(tǒng)采用2百萬像素工業(yè)攝像機采集和提取特殊塑料瓶的圖像樣本并對其進行預處理，由于塑料瓶通常具有樣本的顏色特征，我們采用HSV顏色空間變換從樣本圖像中提取顏色特征，并利用Otsu閾值對特征部分進行分割，有利于神經網絡訓練，減少了網絡訓練的難度，提高了訓練速度。
通過上述方法，可以有效地取代傳統(tǒng)的人工檢測，提高生產效率和產品質量，解決人工檢測效率低、速度慢、主觀約束等不確定因素，導致檢測誤差、漏檢和可能的安全風險，從而實現(xiàn)更好的塑料瓶缺陷檢測。