生活中，随着人们对饮料的需求越来越大，那么针对塑料瓶的产品质量的要求也越来越高了，因此，很多生产饮料的厂家纷纷都通过塑料瓶缺陷检测系统来对瓶口、瓶身以及瓶盖表面缺陷瑕疵进行检测。下面
就针对塑料瓶缺陷检测的解决方案为大家简单介绍。
然而，由于原材料质量差，机械设备不稳定以及人工操作水平不足等原因，塑料制品在注塑成型过程中易于出现产品质量缺陷。常见的注塑成型缺陷包括填充不充分、气泡、裂缝、翘曲和尺寸变化。
传统的人工视觉缺陷检测方法费时费力，而且会因效率检测提供了可能，深度卷积神经网络作为深度学习中最经典，运用场景最广泛的结构之一，在过去的时间里成功应用于图像检测和分类等领域。也为工业缺陷检测提供了一种可行的方法。
塑料瓶缺陷检测系统采用300万像素的工业相机采集药法提取特品塑料瓶的图像样本，并进行预处理。因为塑料瓶通常具有样色特性，所以采用HSV色彩空间转换，从而在样本图像上提取颜色特征，利用Otsu阈值分割征部分，利于神经网络训练，降低网络训练难度并且提高速度。
以上就是 为大家介绍的内容了，通过以上这种方法能够有效的代替传统的人工检测，来提高生产效率和产品质量，解决了人工方法效率低、速度慢，以及受检测人员主观性制约等不确定因素带来的误检及漏检，从而实现更好的塑料瓶缺陷检测工作。