液體藥品瓶口缺陷檢測是制藥和包裝行業的關鍵質量控制環節。由于瓶口缺陷（如裂紋、破損）可能導致漏液、污染甚至玻璃碎屑混入藥品，傳統人工檢測已難以滿足高速產線的精度和效率要求。

基于傳統圖像處理的算法方案

檢測思路：利用瓶口（尤其是圓形瓶口）的幾何特征，通過定位、擬合和特征分析來發現缺陷。例如，通過圓形擬合精確定位瓶口中心，再使用圓孔毛刺檢測算法掃描邊緣，當裂紋或缺口導致邊緣灰度異常時，即可判定為缺陷。

關鍵參數：算法中可設定如寬度閾值2像素、高度閾值4像素等具體數值，來控制檢測的靈敏度，確保能檢出微小缺陷的同時不過于敏感。

典型應用：適用于瓶口形狀規則、缺陷類型較為固定的場景，如西林瓶的瓶口破損檢測。

基于深度學習的AI檢測方案

檢測思路：通過訓練專門的神經網絡模型，讓系統自動學習并識別瓶口的“正常”與“缺陷”特征。這種方法尤其擅長處理復雜結構（如帶螺紋的瓶口）和未知類型的新缺陷。

技術亮點：有研究顯示，通過預處理專門提取瓶口的螺紋區域進行訓練，可將檢測精度從98.0%進一步提升至99.7%，顯著降低誤檢。同時，語義分割技術能有效區分真正缺陷與無害的氣泡或臟污。

典型應用：適用于瓶口形狀復雜（如化妝品瓶）、缺陷形態多變或對檢測精度有極高要求的場景。