医用输液是我国五大常用药品制剂之一，在各类医学场景都应用广泛。显而易见，输液瓶包装的质量直接影响着患者的安全。然而，由于输液瓶制备工艺的不成熟，一些外观缺陷会以小概率稳定的出现。目前，为了确保出产的输液瓶包装合格，制药厂采用的是人工检测的方式。但是，人工检测有着效率低下、可靠性不足的问题。因此，本论文研究医用大输液外观缺陷的视觉检测技术，配合硬件采集设备和处理设备，以达到代替人工检测的目的。从而在提高效率和精度的同时，降低人工成本，带来巨大的经济效益。目前，国内外有关输液瓶外观检测的论文数量较少，且质量良莠不齐，大多只针对其中的某一个点，鲜少有人提出整体方案。因此，本论文针对几种常见缺陷，设计了整体的解决思路，包括图像的预处理、图像的分割与定位以及图像的后处理(图像分类)，并对每一部分展开了深入的讨论。
　　针对图像的预处理部分，本论文对针对画面抖动的图像配准算法进行了研究，以解决由硬件带来的画面抖动问题。首先分析了画面抖动的具体来源和原因，并确定了其在图像上的具体呈现形式。从三种不同的思路出发，分别是基于特征匹配的方法、基于模板与灰度的方法和基于相关系数的方法，对解决图像配准问题进行了研究，并分别进行了优化。通过实验对比，确定了在本场景下表现最好的图像配准算法，为改进后的基于模板的方法。该算法在达到第二高的精度的同时，有着远超其他算法5倍以上的速度，满足了实际需求。
　　针对图像的分割和定位部分，本论文对满足工业需求的高性能椭圆检测算法进行了研究，以利用在输液瓶图像中频繁出现的椭圆形来进行前景提取。首先从简单的圆形检测入手，在传统的线段近似的方法上，设计了基于弧支撑线的优化，并设计了线段成对的极性限制和区域限制。在圆形检测上取得成功后，再拓展到椭圆形检测，对弧支撑线段进行了升级，并设计了级联的聚类方式解决高位聚类问题。通过与另外两种经典的椭圆检测方法RHT方法和ELSDc方法进行实验对比，本算法取得了最好的效果。
　　针对图像的后处理部分，本论文对使用轻量级网络进行图像分类进行了研究。本论文分析了检测场景的需求及特点，确定了使用小模型来进行分类的路线。首先对轻量级网络的思想和网络结构进行了研究，统计了其计算成本和参数分布，并设计了使用优化函数的针对逐点卷积的优化。为进一步降低网络延迟和灵活调整模型的大小，设计了宽度因子和分辨率因子。在实验对比中，经过改进后的轻量级网络在准确度上略低于经典的VGG-16，但速度上有明显提升，从而验证了该方法的优越性。