基于機器視覺的實時丸藥檢測系統

摘要：丸藥是最為常見的藥品劑型，最后成品的外觀都要求圓整均勻、色澤一致，在丸藥檢測方面使用機器視覺技術有著良好的應用前景。通過對丸藥實時檢測方法和途徑的分析探討，提出了完整的工作循環模式。根據此模式，給出了利用Matlab和visual studio開發實時檢測系統的完整方案。

關鍵詞：機器視覺；數字圖像處理；丸藥；實時檢測；Matlab

中圖分類號：TP274文獻標識碼：A文章編號：1009-3044(2008)34-1842-03

Real-time Pills Inspection System Using Machine Vision

YE Qing-song1， XIAO Jun2

(1.Changzhou College of Information Technology， Changzhou 213164， China; 2.Jiangshu Jianmin Pharmaceutical Co. Ltd， Changzhou 213018， China)

Abstract: Pills are the most popular form of medicine and the appearance of the final production must meet the quality standard which includes being exactly the same in size， being the circle shape and consistent in color. It is full of economical potentials to research and develop the real-time inspection system of the pills with machine vision technology. With analysis of the way of pills inspection， an integrated work cycle mode was given out. Based on this mode， prototype software using both Matlab and Visual Studio has been developed and achieved all the inspecting functions.

Key words: machine vision; digit image procession; pill; real-time inspection; matlab

1 引言

機器視覺就是用機器代替人眼來做測量和判斷。在大批量工業生產過程中，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度，而且機器視覺易于實現信息集成，是實現計算機集成制造的基礎技術。

丸藥是最為常見的藥品劑型，生產的廠家和產量都非常多。目前丸藥通常有幾種不同的生產工藝途徑，成品的大小、顏色種類繁多，但對最后成品外觀質量都有一致的要求，即要求每一批藥丸都大小一致、形狀符合特定要求并且色澤統一。使用機器視覺技術，尋找一個簡便高效的自動檢測方案，滿足生產現場的各項要求，具有廣闊的應用前景。

2 系統方案的確定

2.1 性能指標要求

系統方案的確定，應以滿足系統需求為前提，具體來說主要有如下幾項需求：

1) 功能需求：自動判斷藥丸的外觀質量，對不符要求的藥丸予以剔除。主要的檢測要素包括：

① 形狀：圓整，沒有明顯的凹陷或凸起；尤其要將半粒的和粘連的剔除。

② 尺寸：雖然丸藥大小本身沒有固定的要求，但每一批的藥丸要求大小一致，也就是說相互之間尺寸相差不超過10%。

③ 顏色：同一批丸藥色澤一致，尤其是要將有色斑的藥丸檢出。

2) 速度需求：每小時自動檢測5000粒以上。

3) 穩定性需求：能連續工作16小時以上。

4) 安全性需求：生產場地為藥品生產車間，必須符合GMP質量規范，因此要求系統不產生任何污染，與藥品接觸部分容易拆洗。

5) 操作方便性需求：操作簡單，無須專門培訓。

1.2 系統構成

系統的總體布局如圖1所示，光源和攝像機構成系統的成像部分，PC機完成圖像處理、目標識別、質量檢測等工作，可編程控制器、送料機構和分選機構組成系統的執行機構，控制藥丸的供送和分選。

待檢藥丸存放在料桶內，由送料機構控制逐批送出，每批分7～15個通道（通道數可根據待檢藥丸大小而調整），每通道每次只送出一粒藥丸。各通道平行并排分布在滑板上，待檢藥丸在其上滾動而下。在藥丸滾下的過程中，攝像頭在電腦控制下每隔一定時間獲取一幅圖像，每批獲取3幅以上圖像。每幅圖像拍攝了各通道的每個藥丸，經處理分析后，得出結論各通道的藥丸是否合格，然后由可編程控制器控制分選機構做出相應動作，將不同藥丸送入不同盛料區。

1.3 工作流程

系統的總體工作流程如圖2所示，在每次工作循環中，首先獲取圖形，然后依次進行預處理、目標識別、尺寸檢測、形狀檢測和顏色檢測，全部合格后判定為合格品，否則為不合格品。

2 系統的主要算法

根據系統的工作步驟，它的主要算法包括初始化、預處理、目標識別、尺寸檢測、形狀檢測和顏色檢測。

2.1 系統初始化

系統初始化的主要功能是：

1) 使各系統部件復位

2) 提供系統參數

3) 自檢，保證系統精度

系統的各執行部件初始位置都處于關閉狀態，由本身結構保證實施。

初始化階段系統必須獲得一系列參數，包括：

1) 藥丸標準大小：可以給出直徑參數，但考慮到系統僅僅檢測圓形藥丸，并且成像機構位置固定，更方便的做法是直接給出藥丸圖形面積（像素數）。至于像素數與實際尺寸之間的相互關系，在實際檢測工作中意義不大。

2) 藥丸大小允許誤差：按百分比計算，系統工作中可以調節。

3) 藥丸形狀允許誤差：按百分比計算，系統工作中可以調節。

4) 藥丸顏色參數：按紅R、綠G、蘭B各分量給出。

5) 藥丸顏色允許誤差：按紅R、綠G、蘭B各分量百分比給出，系統工作中可以調節。

系統參數可由三種方法獲得：

1) 調用系統存儲的既往參數。

2) 用戶輸入參數。

3) 用戶提供一組合格藥丸，計算相應參數。

2.2 圖像預處理

預處理階段的主要任務是：

1) 對圖形進行適當的增強。

2) 消除背景。

3) 根據不同檢測目的生成相應的低分辨率圖像、灰度圖像、黑白圖像和局部圖像。

為了消除背景，可以使用頂帽變換（top-hat）技術。它通過產生略大于目標物體的結構元素，對原圖像進行開運算，就得到了背景圖像。將原圖像減去背景圖像，就得到了具有均勻背景的原物體圖像。

為了提高系統的整體運行速度，可以分別對目標識別、計數、檢測等不同目的及檢測階段生成對應的低分辨率圖像、灰度圖像、黑白圖像和局部圖像。

2.3 目標識別

在系統中，目標識別的作用是在檢測圖像中找到藥丸的位置。具體做法是：

根據通道數將圖像分割成相應的條狀子圖，在每個條狀子圖中，先用開運算去除圖像中的雜點，再使用標注連接分量的方法，計算各通道內當前藥丸的位置，為后續的檢測做好準備。

連接分量有4連接和8連接兩種，由于系統檢測的藥丸是圓形，且每幅子圖只包含一粒藥丸，所以只要選擇4連接作為識別標記的依據。

2.4 尺寸檢測

尺寸檢測的主要任務是判斷待檢藥丸是否符合尺寸要求，也即大小是否合格。

由于圖像像素數目與藥丸大小（圖像面積）存在一個固定比例，我們可以通過計算圖像像素數目，并拿它與標準數目比較，以確定待檢藥丸是否合格。至于這個固定比例的具體數值，則沒必要知道。

2.5 形狀檢測

形狀檢測的任務是判斷目標物體是否符合圓度要求，即圖形是否足夠圓。

檢測的方法是首先根據待檢藥丸圖像的面積計算出藥丸半徑和質心，然后再計算出待檢藥丸圖像的邊界像素集合，將邊界集合中的像素逐一與質心計算距離，根據距離與半徑的偏差是否在誤差范圍內來判斷待檢藥丸是否符合形狀要求。

2.6 顏色檢測

顏色檢測的主要任務是判斷待檢藥丸是否有雜色、缺色等外觀缺陷。

由于藥丸都是單色，不存在圖案處理，所以檢測方法是將待檢藥丸的每個像素的RGB向量與標準值進行比較，偏差超出范圍的為不合格品。

3 軟件部分的實現

根據以上方案開發的原型系統已經獲得了成功，系統的軟件部分是由Matlab和 visual C++ 混合編程實現的。

Matlab是一套高性能的數值計算軟件，在數值分析、信號處理、系統辨識和圖形圖像處理等方面具有廣泛的應用。在圖像處理方面，Matlab具有明顯的優勢，它包含圖象處理工具包，可以方便地完成圖像顯示、識別、分析等多種常見任務。

VC++是通用的開發工具，具有強大的功能和友好的界面，利用它開發出的應用軟件，在原型系統中用于響應客戶操作、通訊、控制和實現多線程等。

為了使各部分軟件無縫地集成在一起工作，需要采用一種混合編程模式。通過采用動態連接庫的方式，可以很好地實現VC++與Matlab的混合編程。系統的核心算法都在Matlab中用M文件寫成，然后通過Matlab編譯器編譯成動態連接庫。所有的界面、通訊等主應用程序都由VC++生成，在運行中根據需要，調用這些動態連接庫。

整個軟件部分的架構如圖3所示。

4 結束語

通過實驗，表明根據本文方案開發的檢測系統，其功能、速度和穩定性都符合要求，有很好的實用價值。隨著機器視覺技術的不斷發展和普及，系統在綜合效率和整體集成性上將不斷提高，逐步獲得廣泛的應用。

參考文獻：

[1] Forsyth D A，Ponce J.Computer Vision[M].Prentice Hall，2003.

[2] Liu J.Corn Whiteness Measurement and Classification Using Machine Vision[J].Trans of the ASAE，2000，43(3):757-763.

[3] 成芳.稻種質量的機器視覺無損檢測研究[D].浙江大學，2005.