El sistema de Inspección de Gotas en Línea juega un papel vital en el control de bucle cerrado para la impresión por inyección de tinta OLED. Sin embargo, generar imágenes sintéticas de gotas realistas para una restauración confiable y una medición precisa de los parámetros de las gotas sigue siendo un desafío debido a la degradación compleja y multifactorial inherente a la imagenología de gotas a microscale. Para abordar esto, proponemos un modelo de degradación informado por la física, Difracción-Gaussiana-Movimiento-Ruido (DGMN), que integra la difracción de Fraunhofer, el desenfoque por defocus, el desenfoque por movimiento y el ruido adaptativo para replicar la degradación del mundo real en las imágenes de gotas. Para optimizar la configuración multiparamétrica de DGMN, introducimos el MISABO (Optimizador Basado en Promedio de Sustracción Mejorada de Múltiples Estrategias), que incorpora la inicialización de secuencia de Sobol para la diversidad de búsqueda, el aprendizaje basado en oposición de lentes (LensOBL) para una mayor precisión y la caza basada en aprendizaje de dimensiones (DLH) para una optimización global-local equilibrada. Las evaluaciones de funciones de referencia demuestran que MISABO logra una velocidad de convergencia y precisión superiores. Cuando se aplica para generar imágenes sintéticas de gotas basadas en imágenes reales de gotas capturadas de una impresora de inyección de tinta OLED autodesarrollada, el marco DGMN optimizado por MISABO mejora significativamente el realismo, aumentando la calidad de síntesis en un 37.7% en comparación con los modelos configurados manualmente tradicionales. Este trabajo sienta una base sólida para generar datos sintéticos de alta calidad que apoyen la restauración de imágenes de gotas y los procesos de impresión por inyección de tinta posteriores.