目前,国内的多数制药装备生产商一般采用引进国外机器视觉系统或人工检测的方法对药品包装进行缺陷检测。在采用人工对药品包装的缺陷检测过程中,其检测的结果极其容易受到质检员自身状况的影响,而且这种方式检测效率较低、成本高,药品包装的质量也不能从根本上得到保证。利用视觉系统代替人进行药品包装的缺陷检测,可以提高生产效率,降低成本,但是引进国外成熟的机器视觉系统,价格非常昂贵,成本太高。因此,将机器视觉技术融入到药品包装的缺陷检测中进行研究,其具有重要意义。本文针对药片和胶囊这两种不同类型药品,设计了不同的检测方法,并通过实验验证了算法的可靠性。主要研究如下:（1）根据药品包装缺陷检测的工作距离和视野范围等参数进行相机、镜头、光源和工控机的选型,并在实验室中搭建了药品包装检测装置。（2）为了减小检测的计算量和提高检测精度,采用了一种基于最小二乘拟合的药板图像区域提取算法,该算法能够较好较快的得到精确的目标区域,缩小了检测范围,满足实时检测的要求。（3）针对胶囊类型的药品,通过对比各种方法,最终设计了一种基于Lab颜色空间下分块Otsu算法的药品包装检测方案。首先将经最小二乘拟合提取的板状胶囊图像转到Lab颜色空间中,然后对a通道的胶囊图像采用灰度变换、维纳滤波等方法进行预处理的操作,经实验对比,采用一种中值滤波和灰度线性变换组合去噪的预处理方法;其次,对几种典型的区域分割方法进行了分析,双峰法、自适应迭代法、区域生长法、边缘检测法、Otsu算法分割都存在一定的不足。针对Otsu算法在消除噪声残差方面的不足,提出了一种分块Otsu的方法对胶囊图像进行分割,融入形态学开运算对分割后的图像进行适当的去噪;最后通过判断每块图像中最大灰度值及连通域面积的大小确定药品是否合格。（4）针对药片类型的药品,设计了一种基于模板融合分块阈值的药品包装检测方案。算法主要包含模板阈值的获取和板状药片的缺陷检测两个方面。在模板阈值的获取方面,首先将经最小二乘拟合提取的板状药片的模板图像由RGB颜色空间转到Lab颜色空间,然后进行灰度值线性变换等图像预处理操作,然后采用模板融合分块阈值分割的方法将模板图像分成若干块且获得模板阈值,并将其增添到模板特征库。在板状药片的缺陷检测方面,对经最小二乘拟合提取的待检测板状药片图像进行预处理、分块阈值分割的操作,并调用模板特征库中存放的模板阈值应用到待检测药片的分块阈值分割中,通过判断每块区域中连通域的个数来确定板状药品中是否存在缺陷。