近年来,智能制造以其智能性、协作性和柔性等显著优势,一步步取代传统制造业,成为了制造业发展的重点。医药制造是智能制造的重点领域,与人们的健康福祉息息相关。随着全球医药市场规模的不断增长,人们对药品的质量、生产效率和工艺等也提出了更高的要求。近些年,我国推出“中国制造2025”政策,持续深入推进医药改革,推动医药制造产业发展从机械化、电气化向自动化、智能化方向迈进。自主感知、自主决策和自主执行等高端智能特性成为了医药制造产业的迫切需求。本文以医药灌封机器人系统为对象,针对医药灌装封口过程中的西林瓶视觉定位技术展开研究。本文的主要研究工作如下:1.详细介绍了医药灌封机器人系统的整体结构、工作方式以及工作流程。根据医药灌封机器人系统的需求,为获取高质量的瓶口、瓶塞和瓶盖图像信息,完成了视觉系统的相机、光源等关键设备的选型。2.对比分析了几种去噪、增强和边缘检测算法,并最终选择了适用于本文的方法对瓶口、瓶塞和瓶盖图像进行预处理。其中,针对传统Canny边缘检测算法存在的问题与不足,提出了一种改进的Canny边缘检测算法以提取瓶口等目标的边缘。该算法通过导向滤波去除图像噪声,采用Kirsch算子准确获取图像的梯度幅值和方向。在完成非极大值抑制后利用Ostu阈值分割法获取最佳的高低阈值,最后进行阈值筛选完成瓶口、瓶塞和瓶盖图像的边缘检测。实验结果表明,该算法可以有效获取目标的边缘信息,同时排除其它无效的边缘带来的干扰。3.为完成瓶口等目标对象的精准定位,提出了一种基于机器学习的先分割后定位的多目标定位算法。首先分析了传统DBSCAN聚类算法应用于瓶口等图像中进行目标分割的优势和不足,并对DBSCAN算法进行了改进。改进的DBSCAN算法利用图像邻域的特点极大地降低了算法的复杂度,并自动计算了核心参数,能够实现快速、准确的目标分割。接着介绍了几种可快速定位中心的圆定位算法,并针对这些算法的缺陷,提出了一种基于DBSCAN的圆定位算法。该算法具体步骤为:首先利用最小二乘拟合圆法对分割得到的目标进行粗定位,获取中心;接着通过径向扫描法获取外边缘点集;然后采用随机三点拟合圆法得到若干圆心组成的候选圆心集;最后使用DBSCAN聚类算法提取真实圆心集并估计圆心,完成定位。实验结果表明,基于DBSCAN的圆定位算法的平均定位误差约为0.71像素,定位精度优于传统算法。同时该算法的平均执行速度仅为1.20毫秒左右,能够满足医药灌封生产线的准确性与实时性要求。4.结合医药灌封机器人在生产过程中的实际需求,设计了一套软件系统。阐述了软件系统的功能、组成和特点。详细介绍了软件系统的登录模块、主控制模块、相机设置模块和光源设置模块等的设计与实现。该软件系统能够满足医药灌封机器人对瓶口、瓶塞和瓶盖等目标的快速准确定位以及运行稳定可靠的要求。