随着疾病对人的威胁与日俱增,人们对药品的需求量也随之增加。西林瓶药液、医用大输液、安瓿瓶药液等在生产环节中不可避免会混入毛发、纤维、玻璃碎屑、橡胶、色点和黑渣等极小的不溶性可见异物。但国内检测技术落后,大部分企业沿用人工目检方法对药品质量进行把控。因人工目检容易受到主观判断、疲劳等多种不确定因素的影响,导致漏检、误检、标准不严格等情况发生,易造成严重药品安全隐患问题,因此研制开发用于可见异物的全自动医学视觉检查设备非常重要。本文研究了用于视觉检测西林瓶药液中的不溶性可见异物的技术,并通过设计的实验样机验证本文药液中可见异物视觉检测方法。首先,介绍了西林瓶药液中可见异物检测研究背景及意义,对国内外药液中可见异物检测设备、检测算法和检测技术的研究现状进行调研,分析了西林瓶药液中可见异物检测的难点。接着,对西林瓶药液中可见异物视觉检测系统进行介绍,包括可见异物目标分析、机械结构设计及整体系统设计。然后,分析比较了西林瓶药液图像的滤波算法,并重点研究了西林瓶药液图像配准方法。针对西林瓶药液图像在配准过程中,由于可见异物目标微弱且容易受到静态背景和动态背景的干扰,常用的图像配准算法易出现配准失败的问题,提出了一种基于最大距离梯度的图像配准方法。该算法通过将图像的强度差、距离和像素到MDG源点的方向进行编码,把互信息、局部边缘信息和空间信息相结合应用于图像配准,将互信息作为距离优化准则,完成药液图像配准。实验结果表明,该算法能够突出药液中可见异物的特点,对图像中的动态背景干扰和静态背景干扰不敏感,可以实现药液图像之间的精确配准,同时具有较好的鲁棒性。接着,研究了西林瓶药液中可见异物检测方法。西林瓶药液中可见异物检测主要受到瓶壁脏污等静态背景干扰和运动气泡等动态背景干扰的影响。本文针对两种干扰对可见异物的影响不同,提出了两种算法。针对静态背景干扰,提出了基于时间差分的能量累积运动异物目标检测算法。该算法将序列图像中的相邻帧图像作为参考依次进行差分,利用可见异物在药液中的动力学运动规律绘制异物轨迹,实现可见异物提取。实验结果表明,算法可以排除瓶壁脏污、划痕等干扰,有效检测出运动的可见异物目标。针对动态背景干扰,提出了基于改进的Resnet18神经网络的可见异物检测算法。该算法首先用3个3*3的堆叠卷积层替换7*7卷积层,对Resnet网络进行改进;接着通过改进的Resnet残差模块,利用在图像数据库上预训练的权重参数进行学习,训练得到一个可见异物识别模型;最后采用视频行为识别中的C3D network方法同时对多帧图像进行运算,学习得到图像帧之间的差异,实现药液中可见异物目标检测。实验结果表明,该算法对西林瓶药液中可见异物检测算法的正品准确率达99.7%,次品误检率低于1.4%。并且检测速度达到340瓶/分钟,远远超过了人工目检的检测速度,能够满足工业生产线上准确性和实时性要求。接着,对比了常用的图像分割方法,最终选择了适用于本文的最大熵阈值分割方法。该算法通过遍历所有不同分割阈值下的图像总熵,将熵最大时的分割阈值作为最终的阈值,实现可见异物与复杂背景的有效分离。实验结果表明,本文方法可以很好地分割出西林瓶药液中可见异物。最后,针对西林瓶药液中可见异物视觉检测系统,设计并开发了配套的软件系统。首先分析了软件系统的基本需求和软件的总体功能,设计了软件系统总体方案,接着详细介绍了软件系统的总体框架以及主要组成的功能模块。该软件能够完成用户管理、系数参数调节、实时检测、离线检测等工作,并且界面布局合理,操作简单。