藥片缺陷檢測是藥片生產(chǎn)過程中的關(guān)鍵環(huán)節(jié)，其檢測結(jié)果的好壞直接影響著藥品的質(zhì)量。常見的人工檢測和抽樣檢測，成本高、效率低、檢測的主觀和隨機性，無法滿足現(xiàn)代企業(yè)對產(chǎn)品質(zhì)量的要求。機器視覺檢測技術(shù)憑借其自動化程度高、成本低、效率高等特點，迅速崛起并深入到醫(yī)藥行業(yè)中?；跈C器視覺的藥片缺陷檢測將成為一種趨勢。

基于機器視覺的藥片檢測系統(tǒng)

1-藥片缺陷的分類

完整性：藥片殘缺、不完整。常見為藥片碎片、藥片四周劃傷（稱為藥片周圍劃傷）。

外觀：藥片外觀有劃傷，或藥片表面被磨損。常見為藥片表面劃傷。

2-藥片缺陷檢測的挑戰(zhàn)和基本要求

藥片缺陷檢測的挑戰(zhàn)：

傳統(tǒng)的方法是采用5臺相機獲取藥片全方位的圖像信息，但是會引發(fā)諸多問題：當(dāng)使用多臺相機采集圖像時，如果采用多個圖像處理系統(tǒng)，會引發(fā)后續(xù)的運動控制繁瑣；如果采用一個圖像處理系統(tǒng)，會引發(fā)圖像拼接等造成的時間復(fù)雜度大、精度差等問題。本文引入反光鏡，采用平面鏡成像原理，獲取藥片的側(cè)面信息。

圖像的灰度值不均衡。引入平面鏡，勢必會使藥片圖像出現(xiàn)區(qū)域化現(xiàn)象，圖像的灰度值嚴重不均衡。常見的圖像灰度均衡方法是基于單個像素或鄰域像素的方法對圖像進行分析處理，無法很好地解決圖像的區(qū)域化問題。本文通過分析藥片的幾何模型，采用高斯曲面擬合的灰度補償算法對圖像進行均衡化處理。

不易提取藥片的劃痕特征。藥片劃痕區(qū)域小、面積小、劃痕淺，相對于藥片表面，其景深差距較小，因此不容易提取其劃痕缺陷特征。常見的邊緣分割、閾值分割都基于區(qū)域或基于閾值的圖像分割方法，其可以提取圖像中較明顯的目標物，無法分離圖像的劃痕特征。本文通過分析藥片的缺陷特征，提出了無刻字藥片缺陷檢測算法。

難以分離藥片的字符特征。與藥片的表面相比，藥片的字符存在景深小的特點，在藥片圖像中表現(xiàn)為，藥片的字符和藥片融為一體，僅存在細微的灰度差別。此外由于劃痕和字符的特征相似，較難以提取字符特征。鑒于此，本文提出了字符缺陷檢測算法。

藥片缺陷檢測系統(tǒng)的基本要求：

· 藥片缺陷檢測的軟硬件結(jié)構(gòu)，要符合現(xiàn)場工作的要求；

· 一套圖像采集裝置能勝任各種常見的藥片缺陷的檢測；

· 圖像處理軟件能分析藥片缺陷特征并進行分類；

· 檢測藥片直徑：12mm；精度的要求：0.1mm；速度的要求：大于20個/s；識別率：>=95%。

3-藥片檢測工藝流程

如圖上圖所示，藥片在傳送帶甲上由右向左運行，首先將待檢測的藥片裝入料斗，經(jīng)過藥片排列裝置將藥片排成一列，隨皮帶甲移動；當(dāng)藥片進入圖像采集裝置的視野范圍時，觸發(fā)圖像采集裝置，采集藥片圖像；將采集的藥片圖像傳輸?shù)綀D像處理裝置，對采集的藥片圖像進行分析處理，判別藥片是否有缺陷；將不合格藥片采用剔除裝置將其分別裝入到相應(yīng)的廢品收集器中；由于長期傳送藥片，傳送帶上殘留太多藥片灰塵時，啟用清潔裝置，及時清潔傳送帶；在傳送帶甲上，僅采集到了藥片一個表面的圖像信息（此處我們稱作藥片上表面信息），通過翻滾型的藥片翻轉(zhuǎn)裝置，翻轉(zhuǎn)藥片的上下表面，在傳送帶乙上，采用圖像采集裝置采集藥片下表面圖像信息，然后使用圖像處理裝置分析處理藥片圖像，并及時將不合格藥片剔除。

4-圖像采集裝置

藥片常見的缺陷有碎片、污漬、劃傷等，其均屬于藥片表面缺陷宜選用環(huán)形LED光源正面照射。

劃痕、字符等信息，相對于藥片表面來說，景深差距較小，因此相機的靈敏度是本系統(tǒng)首要考慮的因素。其次，為了便于后續(xù)圖像的分析處理，本系統(tǒng)應(yīng)該選擇噪聲點較小相機。最后，實時性好和精度高是本藥片檢測系統(tǒng)的首要要求，因此從速度和分辨率角度分析，1200萬像素的CCD面陣相機依然是本系統(tǒng)的最優(yōu)選擇。

鏡頭的焦距是鏡頭的一個重要的參數(shù)，能反映鏡頭成像后分辨細節(jié)的能力，它主要受到衍射和像差的影響。光圈減小，衍射較重，分辨率下降，但是像差也會減??；與此同時，光圈減少可以加大景深。

5-圖像采集和預(yù)處理

圖像灰度不均衡：藥品表面是一個曲度，通過反光成像獲取的邊緣藥片的光強度信息較低，所以邊緣藥片的灰度值會明顯低于中心藥片的灰度值。通過基于二維高斯曲面擬合灰度補償預(yù)處理算法，對圖像灰度進行修正。

冗余信息過多：為了準確地提取藥片缺陷特征，需要從藥片圖像中分離出藥片信息，其中要求得到的藥片信息包含藥片缺陷可能存在的任何區(qū)域，同時盡可能地減少藥片信息的冗余。采用OSTU雙邊閾值分割法對藥片圖像進行預(yù)分割。

圖像邊緣修正：經(jīng)過OSTU雙閾值處理后，可以準確分離出藥片信息，包括藥片上表面信息和藥片側(cè)面邊緣信息。與此同時，藥片圖像的邊緣藥片處出現(xiàn)了假邊緣，通過形態(tài)學(xué)方法去除圖像的假邊緣。

圖像分割：在分析藥片缺陷信息前，需準確地提取并分離出藥片缺陷信息，即：分離藥片缺陷特征。針對藥片的缺陷特征（尤其是藥片表面的劃傷缺陷）與藥片表面的灰度差別小、景深小、存在模糊信息，通過采用基于模糊理論的圖像分割算法提取藥片的缺陷信息。

6-藥片缺陷特征識別

目前常見的特征有幾何特征、灰度特征、紋理特征等。藥片圖像可能因為光源的影響，可能因為相機曝光的原因，導(dǎo)致圖像的灰度值信息發(fā)生改變，因此不可以選擇圖像的灰度特征；藥片圖像的灰度信息不存在明顯的規(guī)律性信息，因此不可以選擇圖像的紋理信息；由于藥片的幾何特征是相對確定量，因此選擇藥片的幾何特征，如圓形度和凸包。

凸包（ConvexHull）是一個圖形學(xué)概念。給定二維平面上的點集，凸包就是將最外層的點連接起來構(gòu)成的凸多邊形，它能包含點集中所有點的。如下圖，藥片表面劃傷圖像和藥片中心污點圖像二值化后經(jīng)凸包運算，其中心藥片和標準藥片相同，對于藥片碎片和藥片邊緣污點圖像，其中心藥片的面積小于合格藥片。

圖像經(jīng)過劃痕檢測算法后，通過圓形度和凸包面積來識別缺陷類型：

7-藥片字符缺陷檢測算法

有刻字藥片圖像預(yù)處理：

常見的藥片是淡色的，尤其是以白色居多。為了突出藥片的特征，采用黑色背景。由于藥片是由粉末擠壓而成的，因此藥片表面難免會出現(xiàn)細微的凹陷等。當(dāng)采用短焦拍攝時，這些凹陷在藥片圖像上表現(xiàn)為小黑點。這些噪聲分布在藥片字符的周圍，影響字符的特征提取。

灰度值反轉(zhuǎn)（Reserve）方法：對采集的有刻字藥片圖像進行灰度值反轉(zhuǎn)。處理結(jié)果見圖下圖。經(jīng)過反轉(zhuǎn)運算后，藥片圖像的背景變?yōu)榘咨幤優(yōu)楹谏?。與此同時，藥片表面的字符也呈現(xiàn)為白色。經(jīng)過灰度值反轉(zhuǎn)后，藥片表面的噪聲點也變?yōu)榘咨?，但是字符邊緣是黑色的，這樣就可以很好地保護字符特征，圖B。

經(jīng)過灰度值反轉(zhuǎn)后的藥片圖像，沒有去除字符周圍的噪聲點，本文采用平方函數(shù)（Square）對藥片圖像進行映射，處理后的結(jié)果見圖C。由平方函數(shù)的性質(zhì)決定，經(jīng)過平方函數(shù)后，圖像白色區(qū)域的對比度增加，黑暗區(qū)域的對比度減少。對于藥片圖像，字符的特征比較明顯，藥片上的噪聲點減少。

因為藥片是隨機放置的，所以需要對采集圖像上的字符進行調(diào)整。經(jīng)過掩膜法提取藥片字符區(qū)域，經(jīng)過亮度調(diào)整后，字符的噪聲減少了很多?，F(xiàn)通過二值法提取字符特征。最后再通過二值法提取字符特征。

字符缺陷特征提?。?/p>

深圳市雙翌光電科技有限公司是一家以機器視覺為技術(shù)核心，自主技術(shù)研究與應(yīng)用拓展為導(dǎo)向的高科技企業(yè)。公司自成立以來不斷創(chuàng)新，在智能自動化領(lǐng)域研發(fā)出視覺對位系統(tǒng)、視覺定位、視覺檢測、圖像處理庫等為核心的多款自主知識產(chǎn)權(quán)產(chǎn)品。涉及自動貼合機、絲印機、曝光機、疊片機、貼片機、智能檢測、智能鐳射等眾多行業(yè)領(lǐng)域。雙翌視覺系統(tǒng)最高生產(chǎn)精度可達um級別，圖像處理精準、速度快，將智能自動化制造行業(yè)的生產(chǎn)水平提升到一個更高的層次，改進了以往落后的生產(chǎn)流程，得到廣大用戶的認可與肯定。隨著智能自動化生產(chǎn)的普及與發(fā)展，雙翌將為廣大生產(chǎn)行業(yè)帶來更全面、更精細、更智能化的技術(shù)及服務(wù)。