CN105092589A - 一种胶囊头缺陷检测方法 - Google Patents

Abstract

本发明公开了一种胶囊头缺陷检测方法，该方法利用胶囊头上反射的环形光斑的形状判断胶囊头是否存在缺陷。首先对图像进行二值化，提取光斑区域的二值图像，然后采用椭圆拟合所得二值图像的边界，计算误差点数量以及相应的周长和面积等特征来判别胶囊头部是否有缺陷。本发明提出的胶囊头缺陷检测方法算法简便，检测准确率高。

Description

一种胶囊头缺陷检测方法

技术领域

本发明涉及胶囊头的缺陷检测领域，具体涉及一种胶囊头缺陷检测方法。

背景技术

目前，针对胶囊表面缺陷的检测，国内各大制药厂商在胶囊的生产过程中仍在使用人工肉眼观察的方法来找出有缺陷的胶囊。这种人工检测的方式效率低、成本高，远远跟不上快速高效的现代化工业生产的步伐。随着微型计算机技术和图像处理技术的快速发展，计算机视觉检测因为其非接触、无污染的特性，逐渐满足了当今医药生产的检测要求。因此计算机视觉检测可以被应用于胶囊的缺陷检测，代替传统的人工检测。在胶囊缺陷检测上则分为胶囊头部缺陷检测和胶囊体缺陷检测，具体做法为在一定光照条件下，用相机自动逐一为胶囊拍照，再对获得的胶囊照片在计算机上进行图像处理，筛选出有缺陷的胶囊照片。本发明将着重完整的胶囊头部缺陷检测算法，并在此基础上进行速率、效率、准确率方面的优化和改进。

发明内容

为解决上述问题，本发明提供了一种胶囊头缺陷检测方法，基于图像处理的胶囊头的检测算法，能有效检测好的胶囊头和坏的胶囊头，准确率较高。

为实现上述目的，本发明采取的技术方案为：

一种胶囊头缺陷检测方法，包括如下步骤：

S1、选取阈值，将胶囊头的RGB彩色图像进行二值化，得到二值图像；

S2、确定并截取光斑区域；

S3、对胶囊头二值化图像提取边界；

S4、椭圆拟合二值图像边界；

S5、计算图像的误差指标和图像骨架的周长与面积比；

S6、根据得到的特征指标，对胶囊头是否有缺陷进行判别。

其中，所述步骤S4的具体步骤包括：

S41、对提取的每条边界进行像素数量累加；

S42、保留其中最长的两条边界，分别进行最小二乘椭圆拟合。

其中，所述步骤S5的具体步骤包括：

S51、将椭圆拟合后的图像和原二值化图像进行对比，计算出误差点数量E；误差数E可以作为一个区分好胶囊头和坏胶囊头的特征值；

S52、对二值化图像进行骨架处理，求取骨架像素点总数L，作为胶囊头图像的周长的近似，然后进行填充，求取面积S，作为胶囊头图像的面积的近似；将周长L和面积S的比值记为R，用来描述图像的形状复杂度。

其中，所述步骤S6的具体步骤包括：

S61、通过以下公式计算判别胶囊头图片的好坏的量值K：

$K=E\×R=E\×\frac{L}{S},$

式中，L为周长，S为面积；

S62、根据K值的大小判断胶囊头的好坏，若大于阈值，则认为图片中的胶囊头是坏的。

本发明具有以下有益效果：

将椭圆拟合图像和原二值化图像进行对比获取误差值、周长和面积，通过相关阈值设定来判断胶囊头部是否有缺陷，提高了胶囊缺陷检测的准确率。

附图说明

图1为本发明实施例一种胶囊头缺陷检测方法的流程图。

图2为本发明实施例一种胶囊头缺陷检测方法中胶囊头的全局阈值处理和感兴趣区域；

图3为本发明实施例一种胶囊头缺陷检测方法中边缘检测的结果；

图4为本发明实施例一种胶囊头缺陷检测方法中胶囊头边界的椭圆拟合结果；

图5为本发明实施例一种胶囊头缺陷检测方法中胶囊头的误差点图；

图中，(a)好的胶囊头误差点图；(b)坏的胶囊头误差点图。

图6为本发明实施例一种胶囊头缺陷检测方法中胶囊头的骨架处理和填充处理过程。

具体实施方式

为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1-6所示，本发明实施例提供了一种胶囊头缺陷检测方法，包括如下步骤：

S1、选取阈值，将胶囊头的RGB彩色图像进行二值化，得到二值图像；

S2、确定并截取光斑区域；

S3、对胶囊头二值化图像提取边界，可以采用Sobel，Robert等多种边缘检测方法；

S4、椭圆拟合二值图像边界；

S41、对提取的每条边界进行像素数量累加；

S42、保留其中最长的两条边界，分别进行最小二乘椭圆拟合

S5、计算图像的误差指标和图像骨架的周长与面积比；

S51、将椭圆拟合后的图像和原二值化图像进行对比，计算出误差点数量E；误差数E可以作为一个区分好胶囊头和坏胶囊头的特征值；

S52、对二值化图像进行骨架处理，求取骨架像素点总数L，作为胶囊头图像的周长的近似，然后进行填充，求取面积S，作为胶囊头图像的面积的近似；将周长L和面积S的比值记为R，用来描述图像的形状复杂度。

S6、根据得到的特征指标，对胶囊头是否有缺陷进行判别。

S61、通过以下公式计算判别胶囊头图片的好坏的量值K：

$K=E\×R=E\×\frac{L}{S},$

式中，L为周长，S为面积；

S62、根据K值的大小判断胶囊头的好坏，若大于阈值Th1，则认为图片中的胶囊头是坏的。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.一种胶囊头缺陷检测方法，其特征在于，包括如下步骤：

S1、选取阈值，将胶囊头的RGB彩色图像进行二值化，得到二值图像；

S2、确定并截取光斑区域；

S3、对胶囊头二值化图像提取边界；

S4、椭圆拟合二值图像边界；

S5、计算图像的误差指标和图像骨架的周长与面积比；

S6、根据得到的特征指标，对胶囊头是否有缺陷进行判别。

2.根据权利要求1所述的一种胶囊头缺陷检测方法，其特征在于，所述步骤S4的具体步骤包括：

S41、对提取的每条边界进行像素数量累加；

S42、保留其中最长的两条边界，分别进行最小二乘椭圆拟合。

3.根据权利要求1所述的一种胶囊头缺陷检测方法，其特征在于，所述步骤S5的具体步骤包括：

S51、将椭圆拟合后的图像和原二值化图像进行对比，计算出误差点数量E；

S52、对二值化图像进行骨架处理，求取骨架像素点总数L，作为胶囊头图像的周长的近似，然后进行填充，求取面积S，作为胶囊头图像的面积的近似；将周长L和面积S的比值记为R，用来描述图像的形状复杂度。

4.根据权利要求1所述的一种胶囊头缺陷检测方法，其特征在于，所述步骤S6的具体步骤包括：

S61、通过以下公式计算判别胶囊头图片的好坏的量值K：

$K=E\×R=E\×\frac{L}{S},$

式中，L为周长，S为面积；

S62、根据K值的大小判断胶囊头的好坏，若大于阈值，则认为图片中的胶囊头是坏的。