论文部分内容阅读
药品的铝塑泡罩包装形式因其有携带方便、独立密封、取药卫生等优点而得到广泛应用。但是在包装过程中容易出现漏装、破损等缺陷,必须加以检测剔除。目前普遍采用的人工检测方法有着劳动强度大、检测效率低等缺点,而基于机器视觉的检测技术可以有效地克服人工检测方法的上述缺点。本文基于机器视觉和图像处理技术构建了一套铝塑泡罩包装药品缺陷检测实验系统。该系统具有训练和检测两个工作模式。在训练模式下,捕获各类无缺陷的铝塑泡罩包装药品的图像,提取其图像特征,建立模板库;在检测模式下,捕获待测铝塑泡罩包装药品图像,提取其图像特征,并与模板库进行比较以确定药品类型,并检测是否存在缺陷,对存在缺陷的药品进行标记,为后续的缺陷药品剔除提供指令。本文的研究工作包括:(1)设计一种基于最小二乘拟合的图像药板区域提取算法。该算法利用Otsu法对图像进行二值化处理,采用扫描的方法获得药板区域的边缘,由最小二乘拟合得到精确的药板区域。该方法具有计算量小,处理速度快的特点,能满足检测的实时性要求。(2)利用颜色直方图实现了待测药品的分类。在训练模式下,对每一类型药品的图像,在RGB彩色空间中建立颜色直方图,作为模板中药品类型的特征;在检测模式下,以待测药品图像的颜色直方图与模板库中颜色直方图的相似性来判断待测药品的类型。该方法对药品的分类准确率高。(3)针对胶囊和药片图像特点的不同,分别设计了不同的缺陷检测算法。对于胶囊,利用颜色分割和投影实现泡罩区域分割,并利用泡罩区域像素的颜色信息实现该区域内胶囊的缺陷识别。对于药片,利用阈值分割和形态学运算实现泡罩区域分割,通过连通域标记和边界跟踪获得药片的几何特征,并由这些几何特征构建特征向量,通过待测药片与无缺陷药片几何特征向量的距离判断药片缺陷是否存在。实验结果表明以上算法是行之有效的,检测系统能对多种类型药品的典型缺陷进行有效检测,获得了比较理想的检测效果。