本文主要是对铝塑泡罩药品上的五种常见缺陷进行检测定位与分类的研究。在实际生产过程中,铝塑泡罩药品上很容易出现穿泡、毛毛、污渍、麻面和磕边等缺陷。药品上缺陷的存在,轻则会降低生产厂家的声誉,影响药品的商业价值,重则会给人的身心健康带来危害。当前,铝塑泡罩药品缺陷的检测主要依靠人工进行检测,由于人工检测效率较低,成本较高,很大程度上会出现漏剔除和剔除错误等问题。本文基于机器视觉技术,提出了一系列算法实现了五种缺陷的检测定位与分类。首先,搭建了药品缺陷图像采集的硬件平台,采用同轴光与碗光相结合的照明方式实现了图像的采集。然后本文提出了基于像素遍历的直线拟合与图像角度矫正的药板分割算法和基于规则的药粒分割算法,成功提取了药粒和药板图像。其次,在图像预处理部分,本文为了减少灰度不均匀对药板穿泡缺陷造成的干扰,将药板图像进行了分割。接着提出了基于拉普拉斯金字塔重构的Retinex图像改进增强算法,通过实验分析证明,本文提出的增强算法优于其它几种算法。然后提出一种基于搜索子图像灰度差算法来实现缺陷粗定位,这种算法很大程度上减少了计算量,为后续的缺陷精确检测定位奠定了基础。最后针对穿泡缺陷检测中背景纹理干扰的问题,本文提出了基于Gabor滤波的药品表面纹理抑制改进算法,并且与传统纹理抑制算法中的双边滤波和基于总变分图像主结构提取模型算法进行了实验对比分析,发现本文的纹理抑制算法优于其它两种,更加适用于泡罩药板表面纹理抑制问题。此种算法在滤除背景纹理的前提下保留了缺陷信息,为穿泡缺陷的成功检测奠定了基础。然后,本文对药品的缺陷检测算法进行了研究,针对药板上的缺陷,本文通过分析频谱能量提出了一套基于频域滤波器的组合算法,成功实现了药板穿泡缺陷的检测与定位,经过实验验证,本文提出的方法检测效果较好;针对药粒上的缺陷,本文提出了基于密集度的分区阈值算法和基于稀疏与低秩矩阵分解背景建模算法,然后使用图像差分、图像增强、药品轮廓消除、基于距离的连通域合并等一系列步骤实现了药粒缺陷的检测与定位。在MATLABR2014a软件平台上进行了仿真,实验结果表明,药粒缺陷的正确检测率是96.1%,漏检率是2.8%,虚假检测率是1.1%。最后,本文对泡罩药品缺陷分类算法进行了比较与研究。通过对比各种分类算法的适用场合,本文选取了随机森林和卷积神经网络两种算法对药粒缺陷进行分类,通过实验结果对比分析得出,由于缺陷样本数量小、药粒图像特征明显、缺陷特征易于提取,与卷积神经网络相比较,随机森林分类模型可以获得更好的实验结果,更加适用于本文的药粒缺陷分类,分类准确率为95.63%。