塑料制品是工业中常见的产品，在人们的生产生活中占有重要地位。在生产塑胶制品的过程中，我们采用注射制模加工法。
然而，由于原料的品质差，设备的不稳定性和机械手动水平不足等原因，塑料制品易发生在注射模制过程中的质量缺陷。共同注射模制缺陷包括填充不足，气泡，裂纹，翘曲和尺寸变化。
传统的人工智能药瓶包装视觉检测方法费时费力，而且会给影响检测效率，而药瓶包装视觉检测系统作为机器视觉的一种方法，运用场景非常的多，在过去的时间里成功应用于图像检测和分类等领域。也为工业缺陷检测工作提供了一种可行的方法。下面 为大家提供几种药瓶包装视觉检测的解决方案。
图像数据增强
图像的集合变换操作(裁剪、选择、镜像、缩放等)往往我们可以用作图像信息数据不断增强，达到一定帮助学生模型获取企业更好的泛化能力的目的。由于我国塑料药瓶图像是近似固定大小圆形的特点，所以教师可以通过考虑系统采用图像随机旋转作为一种图像增强的手段来实现图像样本公司数量的倍增。
首先对原始图像进行预处理，提取特征部分，然后通过数据增强增加图像样本数量，然后通过下采样得到图像金字塔。 通过这整个过程，我们可以得到一个更大的样本集，这可以使样本更接近正态分布。
精确性与计算速率
对于神经网络来说，随着网络的增大和通道的增多，精度会提高，但是精度会达到一定程度的饱和，当精度降低时，会突然陷入无学习的状态。为了满足高精度、高速度建模的需要，有许多大型神经网络，如 googlenet 网络，甚至还有许多带有侧支的网络。重新发送后，网络层得到加深。