随着消费者对产品包装的要求越来越高，包装生产工艺也在不断进步，各类提高产品包装速度和美观程度的包装机械设备应运而生。又因《中国制造2025》规划路线的出台，制造业改革之船正式起航，智能包装迎来了发展的春天。

高度自动化、高效化、节能化的包装设备已然受到食品、饮料、医药等下游行业青睐，传统的包装设备逐步与工业机器人及工业自动化、机器视觉、智能仓储&智能物流、运动控制技术等结合，使得包装行业智能制造不断发展改进。

我国包装行业在经历了高速发展之后，已经建立起了相当的生产规模，成为了我国制造领域里重要的组成部分。包装行业的快速发展不仅满足了国内消费和商品出口的需求，也在保护商品、方便物流、促进销售、服务消费等方面发挥了重要作用。因此包装行业的安全问题显得尤为重要，如何在生产过程中快速进行缺陷检测确保包装安全是许多厂商关心的问题。

#包装行业篇缺陷探测

食品饮料和消费产品的包装常使用有光泽感的塑料或陶瓷材料，这些材料的表面常有反光和镜面眩光问题，传统机器视觉难以在产品表面反光和眩光的干扰下，成功有效的识别划痕和凹陷等外观缺陷。

幸运的是，康耐视深度学习技术可以不受眩光影响而检测产品。康耐视深度学习技术能将人类观察细微差异的能力与自动化计算机系统的可靠、一致和速度相结合，为包装行业提供了有效的缺陷探测解决方案。

例如面霜的陶瓷瓶，有时瓶子间的固有差异导致的细微外观异常可能并不需要直接报废，而真正影响瓶子用途的“功能性”异常才会导致报废。康耐视深度学习技术以经济有效、易于部署的方式将机器视觉检测和人类检测的优势结合到了一起。为此，应用或质量工程师可以使用一系列有代表性的“合格”和“不合格”陶瓷瓶图像训练深度学习软件。例如“不合格”瓶子可能是有深凹陷或长划痕的。软件根据这些图像学习陶瓷铸造表面的天然形状和表面纹理，可以忽略可能因光线造成的自然差异，同时标记出可接受范围之外的图像，完成有效的缺陷检测。

在这种情况下，制造商可以使用康耐视深度学习技术来识别偏离正常外观并有缺陷的所有对象。对于需要识别某些导致报废的缺陷的同时忽略其他缺陷情况的复杂检测，训练工程师可以使用标记的“合格”和“不合格”图像训练参考模型，然后即可在忽略正常差异的情况下识别各种缺陷啦，是不是很容易呢～