药片缺陷检测是药片生产过程中的关键环节，其检测结果的好坏直接影响着药品的质量。常见的人工检测和抽样检测，成本高、效率低、检测的主观和随机性，无法满足现代企业对产品质量的要求。机器视觉检测技术凭借其自动化程度高、成本低、效率高等特点，迅速崛起并深入到医药行业中。基于机器视觉的药片缺陷检测将成为一种趋势。　　硬件方面，本文根据公司的实际需求，提出了药片缺陷检测的总体设计方案。根据系统对精度的要求，从光源、相机和镜头三个角度详细分析了图像采集装置；选用 OPT-RI9090-W型号的环形 LED光源正面照射药片、选择FL2G-13S2M-C型号的相机和MYUTRON FV2520型号的镜头搭建图像采集装置；该图像采集装置可以获取药片360°全方位的的图像信息，并且获取的药片图像噪声小。　　软件方面，为了解决药片图像灰度值区域化的问题，本文改进了基于二维高斯曲面拟合的灰度补偿预处理算法；提出了药片缺陷检测算法用来分离药片的缺陷特征；设计了专门字符缺陷检测算法提取药片的字符缺陷。各算法简述如下：　　本文改进了基于二维高斯曲面拟合的灰度补偿预处理算法，解决图像灰度值区域化问题。由于环形 LED光源的高斯弱化影响和CCD的光学离焦特性，药片灰度值出现高斯弱化区域化现象。该图像经过二维高斯曲面拟合的灰度补偿后，药片图像得以均衡化，明显改善了图像的灰度值分布情况。　　本文提出了一种准确率较高的无刻字药片缺陷检测算法。研究了 OSTU和模糊阈值算法，分别从隶属度函数的选择和分割总则两个角度对算法进行改进。该算法可以准确的提取出药片的缺陷特征，尤其可以分离出药片的划痕缺陷。结合药片缺陷的几何特征，该算法可以准确的分离出药片的缺陷类型。经过测试，药片碎片、污渍、划痕的准确率分别为99％、95%、88%。　　针对目前药片字符缺陷检测难的情况，本文专门设计了字符缺陷检测算法。利用Gamma校正算法，依据字符的灰度特性对Gamma函数进行改进。该算法融合?>1和?<1两种图像的特征，较好的分离出药片的字符特征。结合字符的几何特征，可以准确识别出药片的字符缺陷。经过测试，该算法准确率为86%，具备较好的检测效果。　　最后本文在IMAQ Vision+Vision Builder+Labview2012的软件环境中设计了一套药片缺陷检测平台，采用状态机的编程模式实现了参数设置和缺陷实时检测等。该系统具有较好的人机交互功能。