西林瓶是一种常见的用于包装粉末状药剂的容器,在西林瓶的灌装生产流程中,易发生磕碰现象导致裂纹,斑点等缺陷,影响西林瓶内药品的品质。现阶段,国内拥有灌装西林瓶生产线的厂家,绝大多数还在使用人工检查的方法检测缺陷。因此西林瓶表面缺陷研究对于提高生产力和药品包装质量有重大意义。本研究围绕生产线灌装西林瓶的缺陷检测和分类展开,基于图像处理算法对西林瓶表面区域进行缺陷特征的提取和分类,研究主要的创新点和工作内容有以下:1.图像的采集系统的构建:本文的研究对象为生产线灌装西林瓶,研究中所涉及的图像都由本章采集。本研究中的图像采集系统由密闭环境、白色背景工作台、光源系统、高清彩色摄像头以及计算机组成。研究设计了图像采集的光源系统,比较不同形状光源的适用场景,选定环形光源并构造采集系统。展开介绍了本文研究西林瓶的详细参数,并对常见缺陷和图像特点进行分析。2.图像的预处理与缺陷提取:图像的滤波是图像预处理的第一步,为了去除采集到的图像中的噪点,选用中值滤波法滤除噪声;为了提取ROI（region of interest）区域,比较边缘检测和阈值分割两种方法,使用自适应阈值分割的方法从背景图片中提取出前景区域的二值图像,使用freeman编码进行ROI区域的提取;使用迭代法对提取到的图像进行高光校正。使用外接矩形法计算瓶身的偏转角,并根据仿射变换公式调整瓶身偏转角度。对于瓶底区域,提出一种改进的三元点拟合法提取圆心坐标和半径,划定瓶底中心缺陷区域并再次利用自适应阈值分割法提取缺陷。3.特征提取:图像的缺陷区域包括瓶身和瓶底两部分,为了能够准确划分瓶身和瓶底的缺陷,需要对提取到的缺陷进行特征参数的选取。使用一种改进的多重结构元对缺陷区域进行特征的形态学操作,滤除环境噪声定位缺陷位置。研究使用了灰度空间和HSV颜色空间内的特征的均值以及轮廓面积、长度、Hog特征这几个参数作为后续分类器的输入。4.西林瓶的分类实验:我们提出一种基于二叉树结构的SVM分类器,然后使用Lib SVM工具库对SVM的子结构进行优化,平均分类准确率达到94.29%。最后设计人机交互界面,方便操作员批量检测缺陷。