在玻璃瓶罐产线上，透明高反光曲面让常规阈值视觉很难稳定工作：瓶身弧面会把光源和相机自身的反射送进视野，瓶口崩边往往只有一两个像素宽，在灰度上与反光条几乎同构。
计算机视觉实验室近期的实验性探索集中在三个环节：成像端用低角度暗场加偏振抑制镜面反射，多曝光融合把瓶口与瓶身的缺陷压进同一套图像；模型端把整瓶拆成瓶口、瓶身、瓶底三个区域分别建模，瓶口走小视野高分辨率分割，瓶身用轻量分割网络区分真实裂纹与反光条，瓶底负责结石与料纹；判定端引入区域置信度与形态约束，避免单点噪声直接触发剔除。
要点：
- 阶段性数据：在自有测试集（约 2.4 万张、8 类缺陷）上，瓶口崩边召回 96.2%，整瓶误剔率 0.8%，单张推理约 28ms，可满足高速产线在线判定。
- 下一步：与剔除机构联动，在 12000 瓶/小时的节拍下做长时稳定性验证，并补充深色料、镀膜瓶等样本，观察反光抑制策略的泛化边界。
评论