王振亚，赵继红，王艳鹏，葛广英，孙群

（1.聊城大学物理科学与信息工程学院，聊城 252059；2.聊城大学季羡林学院，聊城 252059；3.聊城大学机械与汽车工程学院，聊城 252059）

0 引言

近年来，人们生活水平逐渐提高，对医药的品质追求也越来越严格。药品的特殊性使其在研发、生产、包装到流通等各个环节都应当受到监督和检查，对药片的品质分类检测显得尤为重要。如何在药品生产输送时、包装入库前，高效地检测出不合格的药品并剔除，是药品生产领域研究的一个重要方向。传统的人工抽检的方法效率低，并且容易出错，成本较高，不能适应工业自动化的发展。因此，研究人员提出了很多研究方法，如机器视觉检测法、深度学习检测法等。

机器视觉检测方法在我国被应用到制药领域较晚，主要是通用相机采集图像，对图像进行处理，得到结果。例如泡罩药品包装缺陷检测［1］、液体药品异物检测［2］以及利用近红外光谱进行药片种类判别［3～4］等研究。

通过图像处理技术提取到图片的颜色、纹理、形状等特征，再根据向量利用神经网络、支持向量机等模式识别的方法进行图像分类。这类检测方法虽然图像识别的准确率有一定的提高，但是本质上依然依赖人工设计与特征的自然表达，导致训练时间长并且误差率较高。［5］

深度学习随着大数据和人工智能的发展越来越广泛的被应用，尤其在图像分类、目标检测领域等方面。卷积神经网络（CNN，convolutional neural network）［6］具有局部连接、参数共享，降采样的特点，减少了网络参数，提高了网络的泛化能力，比传统的方法具有更加强大的特征学习与表达能力。……