西林注射药剂作为常用的几种药剂之一，其安全性会关系到病人的生命健康安全，然而西林注射液在生产制造中，不可避免的会混入橡胶、玻屑等可见异物，因此在西林注射液生产检测过程中，异物检出率关系到病人生命健康安全，常用药液可见异物检测方法在复杂医药自动化场景下，存在漏检率高和误检率高等问题，本文针对上述问题进行了研究，并通过实验对本文异物检测方法进行了验证。
　　首先，介绍了西林注射液检测研究的背景与意义，对西林注射液检测存在的难点进行了介绍，对国内外基于机器视觉开发的药液检测设备进行了介绍，调研了常见的基于机器视觉的药液检测方法。其次，对西林注射液检测系统的机械部分、成像方案、机器视觉设备的选型进行了介绍。
　　然后，本文重点研究了西林注射液图像配准方法。针对西林注射液在配准过程中，容易受静态干扰、动态背影干扰问题，一般的基于纯相位相关的、基于特征的配准方法往往配准失败，利用了结合像素强度与空间信息基于距离测度的图像配准方法对上述干扰不敏感的特点，将该方法用于西林注射液图像配准，但是该方法运行时间比较长，无法达到实时检测的要求，因此对其进行了改进，对该方法中的点到集合距离及梯度的计算过程进行了改进，将双线性插值法更改为最近邻插值法，以减少运行时间。实验表明，本改进方法在保留抗干扰能力的同时，在复杂场景下配准效果更好，算法的鲁棒性好，对干扰不敏感，同时检测速度能达到实时检测的要求，西林注射液配准准确率大大提高。
　　最后，研究了西林注射液可见异物识别方法。首先通过序列帧差分法，对可见异物进行提取。针对经序列帧差分后，噪声依然会残留于残差图像的背景中，常用的图像滤波方法在抑制噪声的同时，将微弱异物也抑制掉，本文在小波变换与P-M扩散理论基础上，提出了改进小波变换与反向P-M扩散相结合的图像滤波方法，首先对图像进行小波分解，对分解得到的高频部分进行反向P-M扩散，低频部分保持不变，最后将不变的低频部分与经扩散后的高频部分进行小波重构，得到实验结果，实验表明，本文方法在保留残差图像中存在的微小可见异物目标的同时，抑制掉残留噪声，降低了漏检率，减少了后续的计算量。最后对比了常用图像分割方法，采用最大熵阈值分割法将可见异物与复杂背景有效的分离开来。实验表明，本文方法可以很好的提高西林注射液检测的鲁棒性和准确性。