玻璃瓶检测案例：五路成像为什么必要

先给结论：如果采购目标是覆盖瓶口、瓶内、瓶底和瓶身的长尾缺陷，五路成像不是为了堆相机，而是为了把不同曲面、遮挡、反光和缺陷尺度拆成可独立调试、可单独验收的光学任务。白泽公开案例采用正常样本自学习路线，再用异常热力图、区域阈值和瓶型模板决定是否拦截。

客户当时真正要做的决定

玻璃瓶缺陷不是一个标签分类问题。划痕、掉漆、贴花错误、颜色异常、瓶口崩缺和瓶底细微破损分布在不同曲面；透明材质会反射和折射环境光，同一缺陷换一个角度就可能消失。客户真正要决定的是：继续为已知缺陷逐类收集负样本，还是建立能发现未知异常的成像与算法体系。

项目选择第三条路线，并不意味着模型可以替代光学。异常检测越依赖“正常特征空间”，越要保证每一路图像稳定、可重复。

为什么要把四类区域拆成五路成像

瓶口要看崩缺、变形和边缘；瓶内要处理透射、折射与内部异物；瓶底有厚玻璃畸变、底部结构和模具纹理；瓶身则包含大曲面、印刷、贴花、颜色与划痕。它们的最佳角度、光源、曝光和判定区域并不相同。

公开资料没有披露五路相机与四类区域的一一硬绑定关系，因此不能凭空指定“第几路只看哪里”。能确认的是：项目用5个高速线扫/面阵视角覆盖4类区域，并为不同曲面与反光区域设计独立光学结构。多出的一路可能用于补盲、交叉验证或特定瓶型，具体映射必须以现场设计和验收矩阵为准。

五路成像的价值不是简单增加图像数量，而是让每个关键区域都有稳定、可解释的观察条件。某一路出问题时，可以单独定位是成像、模板、阈值还是模型变化。

从正常样本到拦截动作的完整链路

1. 建立正常品特征空间

系统主要用正常样本训练，学习正常纹理、边缘、颜色和印刷特征。“零负样本”指冷启动不依赖预先收齐所有缺陷类别，不代表后续不需要缺陷样本验收。

2. 输出异常分数与热力图

热力图说明哪里与正常分布不同，是证据而非最终结论；反光、脏污、位置偏移也可能产生高分。

3. 叠加区域规则与瓶型模板

不同区域的缺陷尺度和业务后果不同。系统把异常分数与区域阈值、瓶型模板组合，决定报警、人工复核还是自动拦截。

4. 归档异常并持续学习

高置信异常按瓶型、视角、区域和判定结果归档，作为阈值优化、模型迭代和回归测试素材。原图、热力图、版本、最终判定和动作回执必须一起保存。

实施中最关键的四次取舍

1. 先解决成像，再谈模型；
2. 未知异常发现与已知区域规则并用；
3. 换型采用模板化，不把所有瓶型混成一个阈值；
4. 自动拦截前保留人工复核与回退路径。

这些取舍使系统形成“多视角感知—异常定位—区域判定—受控拦截—样本归档”的闭环。

已公开结果与证据边界

因此，这篇案例能证明的是方案为何这样设计、系统如何形成闭环，以及哪些部分可被其他客户复用；不能证明某个新现场将自动达到同样效果。

如果重新验收，应该看什么

验收应以瓶型、区域、缺陷、工况和业务后果建立覆盖矩阵。每一路相机先验图像质量、视野、光照稳定性和触发完整性，再验模型召回、良品误剔、节拍、剔除动作和异常恢复。训练、调试和验收样本要隔离；真实缺陷、边界缺陷、反光干扰、换型和连续运行都应进入测试。

可参考视觉检测验收样本怎么设计的冻结样本、分层指标与版本回归方法。某一路失焦、曝光漂移、通信中断、剔除机构未确认或回归失败时，系统应报警、转人工或停用自动拦截。

哪些企业可以复用，哪些不能照搬

这套思路适合缺陷长尾、负样本稀缺、多曲面、多瓶型并且需要在线全检的玻璃制品场景。缺陷位置固定、节拍低且人工复核成本可接受时，单视角规则方案可能更经济；不透明、几何结构不同或目标位于密封内部的产品，也不能直接复制玻璃瓶光学结构。

真正可复用的是方法：按区域拆解成像任务，用正常样本建立冷启动能力，用缺陷与干扰样本做验收，再把结果接入复检、剔除和追溯。

准备类似项目时，请先整理瓶型清单、缺陷实物或标准图、最小缺陷尺度、线速与节拍、安装空间、剔除接口，以及可接受的漏检与良品误剔边界。白泽可基于工业视觉质检解决方案先做成像验证与样本验收设计；项目公开边界见玻璃瓶自学习缺陷检测案例。

白泽智能｜重庆斯巴达信息技术有限公司