如今，机器视觉技术的发展越来越成熟，并逐渐在各个行业中落脚。在日常生活中，随着人们对饮料需求的不断增加，对塑料瓶质量的要求也越来越高。因此，许多饮料制造商使用塑料瓶缺陷检测系统来检测瓶口、身体和瓶盖上的缺陷。
由于机械设备不稳定和缺乏人工操作水平，塑料制品在注射成型过程中容易出现质量缺陷。常见的注射成型缺陷包括填充不足、气泡、裂纹、污垢和尺寸变化。
传统的人工视觉缺陷检测方法费时费力，认为长时间的视觉检测会带来安全隐患。作为一种较为经典和广泛应用的深度学习结构，国辰技术的外观检测仪在过去已成功地应用于图像检测和分类中，为工业缺陷的检测提供了一种可行的方法。
塑料瓶缺陷检测系统采用2百万像素工业摄像机采集和提取特殊塑料瓶的图像样本并对其进行预处理，由于塑料瓶通常具有样本的颜色特征，我们采用HSV颜色空间变换从样本图像中提取颜色特征，并利用Otsu阈值对特征部分进行分割，有利于神经网络训练，减少了网络训练的难度，提高了训练速度。
通过上述方法，可以有效地取代传统的人工检测，提高生产效率和产品质量，解决人工检测效率低、速度慢、主观约束等不确定因素，导致检测误差、漏检和可能的安全风险，从而实现更好的塑料瓶缺陷检测。