口服液作为一种中药制剂,近些年越来越贴近人们的生活。随着经济水平的飞速发展,人们对健康水平的需求也逐渐提高,口服液的需求量也随之增长。近些年来,人们对食品药品安全问题愈发重视的同时,也对口服液生产厂家提出了更高的要求。针对口服液类产品,压盖质量对药液安全问题有着重要影响,在口服液产品出厂前亟需进行压盖质量检测。本文针对口服液压盖质量检测进行研究,根据检测需求研究并设计了一种基于机器视觉的压盖质量检测系统,同时针对深度学习在压盖质量检测中的应用进行了研究。本文的主要研究内容如下:（1）针对口服液压盖质量检测需求,设计了一种基于机器视觉的压盖质量检测的机械硬件结构。本文从三个方面对机械结构部分进行设计:机械传送设计、图像采集设计和剔除设计,最后介绍了成像方案设计,包括相机镜头选型、光源选择。（2）针对口服液压盖质量检测研究一种基于机器视觉的检测算法。首先介绍了常见的压盖缺陷特征,接着采用中值滤波进行预处理,然后设计了一种基于行列搜索的方法确定感兴趣区域（Region of interest,ROI）的上边界,和基于阈值的行列搜索方法确定ROI区域的左右边界。接着进行边缘提取,使用中值滤波替换Canny边缘算法中的高斯滤波,并使用改进的Canny边缘检测算子对压盖图像进行边缘提取,进而根据提取的边缘图像对表面刮花、压盖破损、压盖不良等缺陷分别设计了不同的算法进行缺陷检测。最后,在压盖不良的缺陷检测算法中,针对压盖缺陷中完全未压盖情况,使用模板匹配进行检测,并使用模板与图像之间差值的绝对值的总和（Sum of Absolute Differences,SAD）作为相似度量。（3）针对口服液压盖质量检测,研究了一种基于深度学习的检测方法。针对深度神经网络进行检测需要对缺陷进行人工标注的问题,提出一种基于卷积去噪自编码器（Convolutional denoising autoencoder,CDAE）的检测方法。该方法仅使用合格产品图像对CDAE网络进行训练,在检测过程中,将缺陷图像重构为无缺陷图像,再与缺陷图像相减,获得包含缺陷信息的残差图,从而实现压盖质量检测。接着针对CDAE网络中损失函数的选择,提出基于结构相似性（Structural SIMilarity,SSIM）作为优化模型的损失函数。最后通过与VGG16网络进行对比实验,实验结果表明:该方法能够很好的识别口服液瓶压盖缺陷,准确率达到95.2%,且具有较好的泛化能力和鲁棒性。