白酒用玻璃珠外观检测设备硬件配置数据集

本数据集配套支撑FRAMBLE 深度学习 AI 检测算法运行，整体处理规则与算法流程如下：
图像采集规则：6 台工业相机同步触发，多角度获取玻璃珠图像；定制光源与控制器提供均匀照明，抑制反光与阴影，提升缺陷对比度。
图像预处理：对图像做畸变校正、滤波去噪、对比度增强、二值化，突出玻璃珠轮廓与缺陷特征，消除镜头、光照、抖动带来的干扰。
核心检测算法
采用CNN 卷积神经网络提取玻璃珠表面深层特征，完成缺陷定位与分类。
结合模板匹配、边缘检测、Blob 分析等传统视觉算法，实现尺寸测量、圆度判定、缺损识别等精准量化检测。
通过小样本学习与增量迭代优化，适配不同批次、不同规格白酒玻璃珠的检测需求，提升模型泛化能力与鲁棒性。
控制与 IO 规则：IO 卡协同光纤光电传感器，实现来料检测、定位触发、分拣执行的闭环控制，确保图像采集与产线运动精准同步，保障检测稳定性与实时性。
数据合规处理：所有图像与检测数据仅用于设备内部质检，不涉及个人信息，全程匿名化、去标识化处理，符合数据安全与合规要求。

搜集汇总

背景与挑战

背景概述

该数据集专注于白酒包装生产领域，用于支撑白酒瓶内玻璃珠外观缺陷的自动化检测场景。它主要服务于AI视觉检测设备的硬件选型、系统集成、算法调试与验收标定，适用于白酒企业、智能装备厂商及视觉系统集成商的设备研发与运维。数据集规模为12KB，年更新，配套深度学习检测算法流程，涵盖图像采集、预处理、缺陷识别等环节。