塑料制品是工業(yè)中常見的產品，在人們的生產生活中占有重要地位。在生產塑膠制品的過程中，我們采用注射制模加工法。

然而，由于原料的品質差，設備的不穩(wěn)定性和機械手動水平不足等原因，塑料制品易發(fā)生在注射模制過程中的質量缺陷。共同注射模制缺陷包括填充不足，氣泡，裂紋，翹曲和尺寸變化。

傳統(tǒng)的人工智能藥瓶包裝視覺檢測方法費時費力，而且會給影響檢測效率，而藥瓶包裝視覺檢測系統(tǒng)作為機器視覺的一種方法，運用場景非常的多，在過去的時間里成功應用于圖像檢測和分類等領域。也為工業(yè)缺陷檢測工作提供了一種可行的方法。下面國辰機器人為大家提供幾種藥瓶包裝視覺檢測的解決方案。

圖像數(shù)據增強

圖像的集合變換操作(裁剪、選擇、鏡像、縮放等)往往我們可以用作圖像信息數(shù)據不斷增強，達到一定幫助學生模型獲取企業(yè)更好的泛化能力的目的。由于我國塑料藥瓶圖像是近似固定大小圓形的特點，所以教師可以通過考慮系統(tǒng)采用圖像隨機旋轉作為一種圖像增強的手段來實現(xiàn)圖像樣本公司數(shù)量的倍增。

首先對原始圖像進行預處理，提取特征部分，然后通過數(shù)據增強增加圖像樣本數(shù)量，然后通過下采樣得到圖像金字塔。 通過這整個過程，我們可以得到一個更大的樣本集，這可以使樣本更接近正態(tài)分布。

精確性與計算速率

對于神經網絡來說，隨著網絡的增大和通道的增多，精度會提高，但是精度會達到一定程度的飽和，當精度降低時，會突然陷入無學習的狀態(tài)。為了滿足高精度、高速度建模的需要，有許多大型神經網絡，如 googlenet 網絡，甚至還有許多帶有側支的網絡。重新發(fā)送后，網絡層得到加深。