医药大输液作为临床医疗领域最常用的大容量注射药剂之一,其产品安全与每一个病人的生命健康息息相关。因此论文以常见的大输液产品为例,进行了可见异物的检测方法的研究,并通过实验证明该方法有效提高了大输液产品检测的效率和安全性。首先,论文简述了大输液异物检测的研究背景和意义,分析了利用机器视觉对大输液异物进行检测的难点,介绍了国内外公司将机器视觉应用于大输液异物检测设备开发的研究现状以及现有大输液异物检测算法的研究现状。其次,根据大输液异物检测目标和干扰的分析简述了大输液异物检测的整体流程以及大输液异物检测系统的设计。然后,重点介绍了论文中的大输液运动目标检测和聚类算法。在分析了论文的检测对象后,给出了大输液运动目标检测和聚类算法的整体设计,即为了实现大输液运动目标检测以及消除静止背景噪声对运动目标检测的干扰,利用改进的分块主成分追踪算法对序列图像进行运动目标的检测。为了得到序列图像中运动目标的运动轨迹,使用基于分块稀疏矩阵的k-means聚类算法对检测到的运动目标进行聚类。再利用得到的运动目标的运动轨迹来构造其运动轨迹空间特征向量以作为分类器的输入特征向量。通过对相关实验结果的分析,验证了论文提出的检测和聚类算法的可靠性和有效性。随后,针对传统稀疏表示分类器算法对异物检测漏检率和误检率高的缺点提出了改进的分层联合稀疏表示分类器算法,该算法以运动目标的运动轨迹空间特征向量作为输入特征向量来对检测到的运动目标对象进行分类,以排除随机噪声的干扰。通过与传统稀疏表示分类器算法的实验对比,证明分层联合稀疏表示分类器算法降低了大输液异物检测设备对异物的漏检率和误检率。最后,为了进一步提高大输液异物检测算法的检测速度,以加权残差特征向量为基础,结合传统特征加权支持向量机算法,提出了加权残差支持向量机算法以用于大输液中异物的检测,通过与分层联合稀疏表示分类器算法的实验对比,证明加权残差支持向量机算法有效提高了异物检测的速度。