一种基于机器视觉与深度学习的塑料包装桶在线缺陷检测方法及系统

本申请提供一种基于机器视觉与深度学习的塑料包装桶在线缺陷检测方法及系统。其中，本申请通过采集塑料包装桶表面时间对齐的可见光与热图像数据，先对热图像动态范围扩展以增强辨识度，再利用热图像稳定区域与可见光反射区域的映射关系补偿高光干扰，实现表面反射抑制；将处理后的双模数据叠加生成多模态融合图，基于材料热传导率和产线环境温度动态调整融合图的温度基准值，定位异常温度区域；最后提取区域的拓扑轮廓及温度扩散特征，输入深度学习模型判定缺陷的材料结构属性及空间位置，完成在线检测。本申请融合热与视觉数据增强对细微结构缺陷的感知能力，显著提升复杂光照环境下塑料包装桶在线检测的精度与鲁棒性。