膠囊檢測技術的研究現狀

胡佳麗， 郭天太， 吳聿聰， 李沫霖， 劉維

（中國計量學院，杭州310018）

0 引言

藥用膠囊在實際生活中有著大量使用。據統計，中國的膠囊使用量大約是1000億粒/a［1］。空心膠囊是包裹藥劑的外包裝，用于保護藥物成分。空心膠囊的質量好壞決定了藥性的發揮程度，劣質的空心膠囊不利于藥物的質量保證，甚至會引起人體疾病，因此膠囊的檢測非常重要。隨著自動化技術的不斷發展，空心膠囊的檢測技術由傳統的人工檢測向自動化檢測技術發展。其中，對于膠囊外形的檢測是一項關鍵技術。對于膠囊檢測技術，國內外一直在進行不斷的研究和更新。

1 國外膠囊檢測技術

國外對于膠囊檢測的技術較之國內起步得更早，因此也較為成熟。其研制的檢測儀器精度高，對膠囊的檢測種類豐富且更市場化。

1.1 基于單個區域的膠囊檢測技術

H.B.Kekre等［2］通過對多種膠囊檢測技術的研究，發現基于單個區域的膠囊檢測技術能夠在缺陷識別中達到更好的效果。在找到膠囊的單個區域后，在此區域生成特征向量。通過將樣本缺陷圖像和查詢圖像進行對比，識別有缺陷的膠囊。通過計算查詢圖像與各個缺陷樣品和無缺陷樣品之間的歐氏距離。如查詢圖像與無缺陷樣品圖像之間的歐氏距離相同，則接受膠囊為合格，否則拒絕。

1.2 基于RG B和HS V的膠囊檢測技術

膠囊缺陷中有一種是膠囊的顏色差異，在一般的圖像處理檢測技術中，此類膠囊不能被很好地識別與剔除。為了實現對彩色膠囊進行在線檢測，LIU Feng等［3］設計了基于RGB顏色空間和HSV色差公式的檢測方法。該技術將圖像的原始RGB格式膠囊圖像轉換到HSV顏色空間進行準確的檢測。為了保證在線檢測效率，顏色空間轉換和色差的計算并不在一個像素級。該技術由灰度直方圖來表示R、G、B分量值，通過轉換得到相應的H、S、V值，計算得到色差值。通過將得到的色差值與給定的色差閾值進行比較，接受在閾值內的膠囊，剔除不在色差閾值內的彩色膠囊，從而實現對有色膠囊的檢測。

1.3 基于邊緣檢測的膠囊檢測技術

計算機視覺系統通過數碼相機獲得的數字圖像通常有24位彩色圖像。這對于圖像處理而言運算較為復雜且耗時長。在實際應用中對于膠囊的檢測需要能夠快速完成，因此必須減少圖像存儲量。該技術采用圖像灰度處理獲取更易于管理的二進制映象圖，同時保留所有必要的膠囊原始圖像特征。M.Ahmadi等［4］提出了基于邊緣檢測的膠囊檢測技術。該技術基于邊緣檢測獲取原始圖像中高亮值的數據點，通過剔除一些與膠囊檢測內容不相關的信息點來獲取膠囊輪廓邊緣的重要結構信息，大大減少實際所用數據量。在邊緣檢測的基礎上進行缺陷識別，能夠在保證判別率的同時提高檢測速度。

1.4 基于US B接口相機的膠囊檢測技術

M.J.Islam等［5-6］發現，自動檢測與生產線上的人工檢測相比可以克服物理極限以及主觀判斷的缺陷。為了實現靈活便捷的膠囊檢測，他們開發了基于USB 2.0接口相機以及小型硬件相配合的檢測技術。該技術自定義的USB相機由一個3像素CMOS圖像傳感器、一個賽靈思500K系統的FPGA和一個USB 2.0的微控制器組成。在圖像處理方面，該技術使用邊界跟蹤接近膠囊并圍繞膠囊旋轉了一圈，用以進行檢查。通過定制系統控制器接受和拒絕，并將膠囊傳遞到相應的容器內。

1.5 基于稱重的膠囊檢測技術

國外的膠囊檢測技術不僅能夠通過圖像處理技術對膠囊的外形缺陷進行檢測，還能夠通過稱重系統對膠囊的重量進行檢測。如英國的SADE SP膠囊分揀機，產自CI公司，其對膠囊的稱重精度已經精確到l mg。美國的高速膠囊在線稱重及分揀系統，能同時檢測膠囊的外形缺陷和膠囊的重量誤差［7-8］。

2 國內膠囊檢測技術

國內對于膠囊檢測的起步較晚，但隨著研究的深入，目前的膠囊檢測技術水平也有了顯著的提升。同時，檢測的方式也向多元化和自動化發展。

2.1 基于圖像處理的膠囊檢測

將圖像處理技術運用于膠囊的檢測，可以大大提高膠囊檢測的速度。對于膠囊的圖像處理首先是將膠囊拍照，從而獲取其圖像，對圖像進行去噪濾波等預處理后，利用工控機將獲取得到的圖像與缺陷數據庫比對，識別膠囊的缺陷類型。吳德等［9-11］通過對傳統的濾波算法進行分析，發現這些算法在濾波的同時容易丟失膠囊的邊緣以及缺陷特征，不能很好地適用于檢測，因此提出一種基于平均曲率流的濾波算法，從而實現了在去噪的同時保存必要的膠囊邊緣缺陷特征。對于膠囊圖像的提取和分割，該檢測方法基于線掃描將原本的檢測區域增長，從而解決了膠囊圖像多區域非均勻的問題。該技術提出了一整套用于膠囊檢測的圖像處理算法，同時配備了包含圖像采集、自動剔除裝置的硬件系統。這一技術可以大批量、高效地識別膠囊的多種缺陷，其檢測速度可以到達7.5萬粒/h。

2.2 基于紅外圖像的膠囊缺陷檢測

基于紅外圖像的膠囊缺陷檢測技術利用紅外線進行照射，考慮到紅外線具有極強的穿透力，在無需對膠囊進行機械翻轉的情況下，可以直接對膠囊的正面和背面進行檢測，這既簡化了機械結構，也減少了膠囊的漏檢情況［12］。同時，該技術采用BP神經網絡中的反向傳播神經網絡對膠囊缺陷進行分類識別。其檢測過程分為兩步：1）對膠囊的初步檢測。BP神經網絡由輸入、人工神經細胞體、輸出三部分組成。該技術首先將膠囊的外形、紋理特征相結合，再利用PCA進行降低維度，以此得到特征向量作為輸入，初步實現對缺陷膠囊的識別。2）對膠囊的精確檢測。對于第一步檢測合格的膠囊根據其邊緣輪廓和組合距離進行邊緣檢測，對不符合要求的缺陷膠囊進行識別。該技術對缺陷膠囊的識別率為95%及以上，其錯誤判別率僅為1.6%。

2.3 基于計算機視覺技術的雙通道膠囊檢測

該技術采用雙通道設計，分別為近紅外通道和可見光通道。近紅外通道由黑白相機完成圖像采集，背光源實現照明，主要檢測膠囊黑點、油污、開裂、殘缺等內部殘損等缺陷。可見光通道由彩色相機和條形光源配合完成圖像采集，主要檢測膠囊超長、超短、形變、癟殼等外形尺寸缺陷［13］。對于膠囊檢測的算法，通過濾波算法，進行對圖像的預處理；通過圖像分割算法得到膠囊輪廓，并采用方形滑塊分割算法和形態學算法，對膠囊結合部位實現準確有效的提取，并以此為依據分離成三部分；通過邊緣檢測算法，提取膠囊特征值；設計孔洞填充算法識別膠囊的缺陷并對膠囊彩色部分亮度較高的地方進行補償。該膠囊檢測技術的檢測速度達到8.4萬粒/h，識別準確率高達99%，并能夠對膠囊采用120°旋轉實現完整檢測。

2.4 基于D S P的破損膠囊多通道檢測

數字信號處理技術（DSP）在信息技術和集成電路的發展下不斷成熟，使得數字信號處理器的優勢逐漸顯現。數字信號處理是將所獲得的信號通過數字方式表示并進行處理的理論和技術。基于DSP的破損膠囊多通道檢測，將圖像處理技術與具有強大運算能力的數字信號處理器結合，從而對膠囊圖像處理高效精確地進行檢測。

該技術使用CCD圖像傳感器，能夠同時對膠囊的4個表面進行圖像采集，配合4路編解碼器實現檢測膠囊的4個表面是否存在缺陷，從而大大提高了檢測速度，減少了檢測時間。更大的優勢是該技術在利用多個CCD的情況下可以同時檢測多個膠囊［14-16］。

在軟件編程方面，該技術選擇均值濾波和中值濾波來對圖像進行預處理。在圖像檢測時，先用邊沿檢測識別并確定每個膠囊的邊界信息，再分別對每一個膠囊進行4個表面的破損缺陷檢測。利用雙閾值分割法對膠囊進行分割，實現對完整膠囊的全方位檢測。該技術的另一個創新之處是利用反色與圖像合成的方法來對膠囊圖像進行處理，這大大減少了DSP的運算工作量。最后，在缺陷檢測方面，通過計算膠囊圖像存在的破損面積和對顯現的灰度直方圖進行分析，來對膠囊的實際缺陷進行判斷。

2.5 基于D S P和F P G A的殘損膠囊圖像檢測

FPGA是專用集成電路（ASIC）領域中的一種半定制電路，是一種現場可編程門陣列，克服了定制電路不足和原有可編程器件門電路數有限這兩個缺陷。在利用圖像處理技術實現膠囊檢測的過程中，要保證檢測速度以及效率，需要進行數據的高速交換，在DSP高速處理器平臺上加上FPGA，將圖像的預處理部分在FPGA中進行，則可以大大減小DSP的工作量，從而保證檢測過程的高速完成。

FPGA可以連接硬件系統的一些數據線以及控制線，也可以將大量的邏輯控制集成到內部。這可以極大地簡化電路設計，滿足電路易于調試的要求，也可以使得整個系統更加集成化和小型化。另一方面，FPGA可以控制FIFO的緩存容量，保證圖像數據的交換更加順利。

該技術可對膠囊表面不同的磨損程度進行檢測。研究者建立圖像的HSI顏色模型，通過對膠囊圖像進行處理，從而獲取膠囊彩色圖像的色度和飽和度。從膠囊圖像的H分量和S分量直方圖的區別中，可以判斷膠囊不同部位的磨損程度［17］。

3 結論

近年來，圖像處理技術在醫學醫藥領域的廣泛應用加快了膠囊檢測技術的發展。在理論研究方面，基于圖像處理的膠囊檢測技術已經取得了不少成果。但實際應用于生產的膠囊檢測系統目前尚不成熟。國外的膠囊檢測系統較為完善，但價格較高不能被國內市場廣泛接受。而國內的膠囊檢測系統目前普遍適用于小樣本檢測。因此，膠囊檢測技術仍有較大的研究空間。

［1］ 馮珊珊，陳樹越.基于圖像分析的真假藥膠囊顆粒識別方法研究［J］.傳感器與微系統，2008，27（8）：54-56.

［2］ KEKRE H B，MISHRA D，VARUN D.Detection of defective pharmaceutical capsules and its types of defect using image processing techniques ［C］//Proc. of 2014 International Conference on Circuit，Power and ComputingTechnologies（ICCPCT），2014：1190-1195.

［3］ LIU Feng，LIU Xiaoyu，CHEN Yi.An efficient detection method for rare colored capsule based on RGB and HSV color space［C］//Proc.of 2014 IEEE International Conference on Granular Computing（GrC），2014：175-178.

［4］ ISLAM M J，AHMADI M，SID-AHMED M A.Image processing techniques forquality inspection ofgelatin capsules in pharmaceutical applications ［C］//Proc. of International Conference on Control，Automation，Robotics and Vision，2008：862-867.

［5］ KARLOFF A C，SCOTT N E，MUSCEDERE R.A flexible design for a cost effective，high throughput inspection system for pharmaceuticalcapsules ［C］//Proc.ofIEEE International Conference on Industrial Technology，2008：1-4.

［6］ ISLAM M J，BASALAMAH S，AHMADI M，et al.Capsule image segmentation in pharmaceutical applications using edge-based techniques［C］//Proc.of IEEE International Conference on Electro/Information Technology（EIT），2011：1-5.

［7］ WANG Huanhuan，LIU Xiaoyu，CHEN Yi.Detection of capsule foreign matter defect based on BP neural network［C］//Proc.of 2014 IEEE International Conference on Granular Computing（GrC），2014：325-328.

［8］ 陳汗青，萬艷玲，王國剛.數字圖像處理技術研究進展［J］.工業控制計算機，2013，26（1）：72-74.

［9］ 程巧玲.圖像處理技術近期發展及應用［J］.信息與電腦（理論版），2013（6）：203-204.

［10］ 吳德.基于圖像處理的膠囊檢測系統的研究［D］.廣州：廣東工業大學，2011.

［11］ ZHU Zhengtao，YU Xiongyi，HUANG Liuqian，et al.Fast Capsule Image Segmentation Based on Linear Region Growing［J］.Computer Science and Automation Engineering（CSAE），2011：99-103.

［12］ 王娟，周永霞，徐冰俏，等.圖像處理在膠囊外形缺陷檢測中的應用［J］.中國計量學院學報，2012，23（3）：239-245.

［13］ 王道檔，趙超杰，孔明，等.基于圖像處理的膠囊外形快速檢測系統設計［J］.電視技術，2014，38（19）：216-220.

［14］ 吳宏杰，季劍蘭，朱音，等.一種膠囊缺陷檢測系統的設計與研究［J］.電腦知識與技術，2010，6（28）：8093～8094，8100.

［15］ 李蓮，閆志洋.破損膠囊檢測的圖像處理分析與研究［J］.儀器儀表學報，2011，32（12）：322-324.

［16］ 楊娟寧，王映卓，張永元.基于DSP的圖像處理技術在制藥工業在線檢測中的應用［J］.物聯網技術，2011，1（8）：60-62.

［17］ 王軍海.殘損膠囊圖像檢測系統的研究與設計［D］.武漢：武漢理工大學，2008.