CN105784722B - 一种流水线上药液瓶中可见异物的检测方法及系统 - Google Patents
一种流水线上药液瓶中可见异物的检测方法及系统 Download PDFInfo
- Publication number
- CN105784722B CN105784722B CN201610282103.0A CN201610282103A CN105784722B CN 105784722 B CN105784722 B CN 105784722B CN 201610282103 A CN201610282103 A CN 201610282103A CN 105784722 B CN105784722 B CN 105784722B
- Authority
- CN
- China
- Prior art keywords
- bottle
- matrix
- medicinal liquid
- liquid bottle
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/90—Investigating the presence of flaws or contamination in a container or its contents
- G01N21/9009—Non-optical constructional details affecting optical inspection, e.g. cleaning mechanisms for optical parts, vibration reduction
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种流水线上药液瓶中可见异物的检测方法及系统,图像处理上,首先直接对连续采集的两张图片目标区域搜索,确定每张图片要对比的药瓶位置,接着对其进行差分,再通过阈值进行测定,最后根据目标大小判断其是否含有异物。该方法使药液瓶能在移动状态中完成可见异物检测,将原来药瓶的线性运动‑停顿并旋转‑线性运动缩减成线性运动并旋转,节省了检测过程中的停顿时间,平均每瓶可节省停顿时间0.05s—0.1s。本发明也能应用于其它澄清液体试剂如小型安瓿瓶液中可见异物的快速检测。
Description
技术领域
本发明涉及一种流水线上药液瓶中可见异物的检测方法
背景技术
近年来,市场上中药口服液的种类和数量增长迅速。然而目前研究的可见异物检测方法主要是传统的较大输液瓶、安瓿瓶的静态检测方法[1]。中药药液瓶瓶身较小,自旋后在流水线上继续运动的设备在制造上早已可以实现,然而相应检测流水线上直线运动中的药液瓶中杂质技术却没有跟上研究步伐。
现在国内大多数厂家采用的都是人工灯检或者静态灯检机。人工灯检是在黑色背景下,以强光为光源,灯检工完全依靠手工和肉眼逐瓶进行检查。这种检查具有人眼损伤大,检测标准不统一,检测结果不稳定,漏检率高,检测速度慢等缺点[2-3]。而静态灯检机只能检测静止中的药液瓶,有时要购买多台灯检机应用于一条流水线,造成不必要的支出。因此国内厂家也希望能有满足要求的自动灯检设备出现,提升流水线的生产力和检测的速度。
直接引进国外成熟的药检设备,耗资昂贵,而且由于中药口服液与一般的透明输液在特性上和生产工艺上都有所不同,使用达不到较好的检测效果。国内的许多输液可见异物检测研究都集中于图像处理这个步骤,力求设计更优的算法来提高检测精度,增加了不少检测的时间损耗。国外的自动灯检研究目前都为瓶身高速自旋后急停的静态检测,而且主要的是针对大输液等透明药剂的可见异物检测自动化研究,每瓶输液瓶检测时都要停顿0.05到0.1s,检测速度较慢,而中药药液瓶瓶身更小,要求单位时间内检测的瓶数更多才能有较好的经济效益,若用传统的静态灯检方法跟不上流水线上口服液的快速生产速度。
发明内容
为了解决目前药液瓶内异物检测速度慢的技术问题,本发明提供一种能够有效提高检测速度的流水线上药液瓶中可见异物的检测方法及系统。
为了实现上述技术目的,本发明的技术方案是,
一种流水线上药液瓶中可见异物的检测方法,包括以下步骤:
对流水线传送带上运动的同一药液瓶连续拍摄两帧图像,得到这个药瓶处于传送带上不同位置的两帧图像,然后通过边界搜寻算法分别搜寻出两帧图像中药液瓶中药液所在的目标区域,并进行两帧图像中的目标区域的配准,再采用差分方法对目标区域进行处理,经中值滤波后,用拟定好的阈值判别药液瓶内是否含有可见异物。
所述的方法,所述的边界搜寻算法包括以下步骤:
根据灰度值将第一帧图像与用于对比的第二帧图像分别展开成矩阵A(i,j)和B(i,j),将矩阵A(i,j)沿x轴将药液瓶和药液瓶两侧的空白区域分为E、F、G三个区域矩阵,其中药液瓶区域为中间区域矩阵F(i0,j0);同理,第二帧图片展开的矩阵B(i,j)沿x轴方向分为E’、F’、G’三个区域矩阵,用于对比的药液瓶区域为F’(i0,j0),
在矩阵A的三个位置O(0,y1)、P(0,y2)、Q(0,y3)作为起始点,其中y2取药液瓶区域高度的中间值,y3和y1以y2为对称点沿y轴方向上下分布,然后沿x轴方向用连续像素判定算法搜寻目标值,当从O点出发判定时,当且仅当出现连续M个灰度值大于N时,判定已进入药液区域,输出目标区域起始位置为x’1=x-M,同理可得出x’2,x’3;
则记录药液区域起始位置为:
药液区域结束位置为:
同样对矩阵B进行操作,确定目标区域的药液矩阵F(i0,j0),F’(i0,j0)。
所述的方法,所述的N根据瓶壁阴影取值,取值范围为2-12。
所述的方法,在将图像展开成矩阵之前,首先根据药液瓶区域位置分别在瓶盖位置n1和瓶底位置n2处去掉上下边缘。
所述的方法,将目标区域的药液矩阵F(i0,j0),F’(i0,j0)进行差分,并中值滤波后用拟定好的阈值进行判别的步骤为:
采用差分公式:R(i0,j0)=F(i0,j0)-F’(i0,j0)进行差分,然后对背景差分结果进行二值化处理,数学表达式描述为:
式中:T是灰度阈值,取值为0.7-1.6;二值图R(i0,j0)的值为1的区域就是检测到的杂质区域。
一种流水线上药液瓶中可见异物的检测系统,包括传送带、光源、摄像头和工控机,所述的光源和摄像头分别设置于传送带的两侧,摄像头通信连接工控机,药液瓶由传送带从摄像头和光源之间穿过,当一个药液瓶从摄像头前经过时,摄像头连续拍摄两帧图像,得到这个药瓶处于传送带上不同位置的两帧图像,且当摄像头进行拍摄时,传送带保持运动状态。
所述的系统,所述的摄像头的数量为一个,且拍摄的两帧图像中,药液瓶在其中一帧图像中所处的位置,与另一帧图像中所处的位置,以图像的中轴线为对称轴呈对称分布。
所述的系统,所述的摄像头的数量为两个,且拍摄的两帧图像中,药液瓶在图像中所处位置完全一致。
所述的系统,所述的光源为面光源。
所述的系统,所述的摄像头为只能拍摄灰度图像的黑白摄像头.
本发明的技术效果在于,本发明创新性地在流水线上直接检测自旋后运动中的药液瓶,去掉了药液瓶旋转后急停的步骤,这样不仅能够简化灯检机硬件电路设计,而且由于不再需要旋转后急停再进行拍照,所以减少了时间损耗,使检测速度变快。
下面结合附图对本发明作进一步说明。
附图说明
图1为本发明系统的结构示意图;
图2为本发明采用单摄像头时所拍摄的两帧图像示意图;
图3为本发明整体算法流程图;
图4为本发明边界搜寻算法流程图;
图5为本发明光照射药瓶显示的边缘效果图。
具体实施方式
参见图1,本系统包含了机械部分、成像部分以及核心控制部分——工控机。下面主要从两个模块来对其进行介绍:成像部分和图像处理部分。其中本实施例所针对的药液瓶是中药口服液的药液瓶,由于中药口服液的瓶子是棕色的,液体颜色也较深,而无色光源透光性较差,如果增加光强则杂质分辨效果差,减少光强则成像模糊,多次试验后选择了透光性强的红光。与此同时LED光源具有发光稳定,寿命长等优点,而选用漫反射型的面光源主要考虑药液瓶会对直射的光进行反射造成边缘不容易透过。综上原因本实施例选用了红色漫反射型的LED均匀面光源,在针对不同的种类药液及药液瓶时,应根据实际情况进行选择。
药液瓶采取竖直放置流水线上的方式进行检测。面光源安置在背面照明药液瓶,边缘出现光没有透过的黑边;如图5所示为光源距离药液瓶100mm时拍摄的图片,可以看出瓶两边边缘没有出现黑边,效果最好。当针对大小不同的药液瓶时,应根据实际拍摄情况进行距离调整。
此时当药液内有可见异物颗粒时则会对光进行遮挡,反射,衍射,或者折射,在图片上形成亮度较暗的小斑。由于没有涉及到颜色信息,为了减少不必要的图片信息,加快处理的速度,我们采用的是一台黑白相机进行图像采集。
图1中背面是红色的LED均匀面光源,安置在口服液的一边对其进行照明,药液瓶在传送带上运动并排竖直放置,设置一台相机,在另一边对其进行拍照,拍照时传送带保持运动状态不停止,相机连续对同一药液瓶拍摄两张照片,拍好的照片送给工控机进行图像处理。为减少拍摄角度不同引起的误差,同时为了便于进行图像处理,要尽量使差分对比的两幅图像中药液瓶的位置呈镜像对称,如图2所示。
当采用两台相机进行拍摄时,药液瓶在经过第一台相机时拍摄一张照片,经过第二台相机时再拍摄一张,拍照时传送带还是保持运动状态不停止。同样为了减少拍摄角度不同引起的误差,要尽量使两张图像中药液瓶的位置完全一致,即第一台相机对药液瓶拍照时药液瓶处于镜头中位置,和第二台相机对药液瓶拍照时药液瓶处于镜头中位置完全一样。
对该视场中并排放置的做直线运动的药液瓶拍摄连续两帧包含药液瓶的图像,且同一药液瓶的两帧图像中由于液体的运动造成异物所处的位置不同,即可实现对运动中的药瓶进行对比检测。由于流水线生产要求图像处理速度快,所以在图像处理前先裁剪掉上下边缘毛刺加快图片处理速度,并且不会对处理结果有影响。由于每帧图片中中药药液瓶的位置均处于图片的不同位置,所以不能直接差分,要先在裁剪后的图片中搜寻目标区域。然后取灰度便于搜寻到目标区域最后进行差分处理。整个算法流程图如图3所示。
图2中的两帧图像分别是瓶内药液运动后在流水线上直线运动中拍摄的连续两张图片,由于每次检测药瓶的位置只是横向不一样,纵向的位置不发生变化,所以根据药液区域位置分别在瓶盖位置n1和瓶底位置n2处去掉上下边缘,再根据灰度值将两幅图像分别展开成矩阵A(i,j)和B(i,j),设药液区域矩阵为F(i0,j0)、F’(i0,j0),再将F、F’做差分。差分公式为:
R(i0,j0)=F(i0,j0)-F’(i0,j0)
式中:F(i0,j0)是第一帧图像药液区域;F’(i0,j0)是第二帧图像药液区域。
对背景差分结果进行二值化处理,数学表达式描述为:
式中:T是某个灰度阈值,它的大小决定了识别目标的灵敏度,本实施例针对棕色中药的药液瓶取值为0.1;二值图R(i0,j0)的值为1的区域就是检测到的杂质区域,然后给出药液瓶最后的处理结果。差分算法前的对比算法为其中关键的搜寻药液区域的算法,流程图如下图5。本算法的计算机时间约为0.1ms至0.2ms之间,其中计算机配置为Intel双核2.8Ghz处理器,内存为4G,算法用到的平台是MATLAB。现有口服液可见杂质检测仪速度约为200到300瓶每分钟,本发明设计检测速度为每分钟450瓶,使得药液瓶瓶间距8.5cm,传送带速度每分钟38.25米,具体的运动数据也可根据检测速度调整。
由上可知处理后的第一帧图像与第二帧图像展开的矩阵为A(i,j)和B(i,j)。将矩阵A(i,j)延x轴分为E、F、G三个区域矩阵。根据图片,显然要寻找的药液区域为中间区域矩阵F(i0,j0)。同理可将与做对比的第二帧图片展开的矩阵B(i,j),可延x轴方向分为E’、F’、G’三个区域矩阵,则对应的用来对比的药液区域为F’(i0,j0)。
在矩阵A的三个位置O(0,y1)、P(0,y2)、Q(0,y3)作为起始点,其中y2取药液瓶区域高度的中间值,y3和y1以y2为对称点沿y轴方向上下分布,本实施例根据瓶身大小所定位的三个点的坐标分别为O(0,35)、P(0,50)、Q(0,65),然后沿x轴方向用连续像素判定算法搜寻目标值。当从O点出发判定时,当且仅当出现连续M个灰度值大于N时,判定已进入药液区域,其中当瓶壁阴影大时N值变大,瓶壁阴影小时N值变小。本实施例中最佳N值为7。然后输出目标区域起始位置为x’1=x-M,同理可得出x’2,x’3。
则记录药液区域起始位置为:
同理可得药液区域结束位置为:
即可分别确定目标药液矩阵F(i0,j0),F’(i0,j0)。
由于背景光强度并不发生变化,所以这个自适应阈值并不需要每次计算,而只需要开始计算一次得到一个最佳值T,之后所有的阈值都采用这个值。然后再对得到的二值化图像进行一些后期的处理,使得能更好地识别异物。实验表明能快速地实现可见异物的检测。
图像处理阶段将每张图片中不同位置的药瓶搜寻出,进行处理分析。图像处理上,首先直接对连续采集的两张图片目标区域搜索,确定每张图片要对比的药瓶位置,接着对其进行差分,再用事先拟合好的阈值进行测定。
Claims (4)
1.一种流水线上药液瓶中可见异物的检测方法,其特征在于,包括以下步骤:
对流水线传送带上运动的同一药液瓶连续拍摄两帧图像,得到这个药瓶处于传送带上不同位置的两帧图像,然后通过边界搜寻算法分别搜寻出两帧图像中药液瓶中药液所在的目标区域,并进行两帧图像中的目标区域的配准,再采用差分方法对目标区域进行处理,经中值滤波后,用拟定好的阈值判别药液瓶内是否含有可见异物;
所述的边界搜寻算法包括以下步骤:
根据灰度值将第一帧图像与用于对比的第二帧图像分别展开成矩阵A(i,j)和B(i,j),将矩阵A(i,j)沿x轴将药液瓶和药液瓶两侧的空白区域分为E、F、G三个区域矩阵,其中药液瓶区域为中间区域矩阵F(i0,j0);同理,第二帧图片展开的矩阵B(i,j)沿x轴方向分为E’、F’、G’三个区域矩阵,用于对比的药液瓶区域为F’(i0,j0),
在矩阵A的三个位置O(0,y1)、P(0,y2)、Q(0,y3)作为起始点,其中y2取药液瓶区域高度的中间值,y3和y1以y2为对称点沿y轴方向上下分布,然后沿x轴方向用连续像素判定算法搜寻目标值,当从O点出发判定时,当且仅当出现连续M个灰度值大于N时,判定已进入药液区域,输出目标区域起始位置为x’1=x-M,同理可得出x’2,x’3;
则记录药液区域起始位置为:
药液区域结束位置为:
同样对矩阵B进行操作,确定目标区域的药液矩阵F(i0,j0),F’(i0,j0)。
2.根据权利要求1所述的方法,其特征在于,所述的N根据瓶壁阴影取值,取值范围为2-12。
3.根据权利要求1所述的方法,其特征在于,在将图像展开成矩阵之前,首先根据药液瓶区域位置分别在瓶盖位置n1和瓶底位置n2处去掉上下边缘。
4.根据权利要求1所述的方法,其特征在于,将目标区域的药液矩阵F(i0,j0),F’(i0,j0)进行差分,并中值滤波后用拟定好的阈值进行判别的步骤为:
采用差分公式:R(i0,j0)=F(i0,j0)-F’(i0,j0)进行差分,然后对背景差分结果进行二值化处理,数学表达式描述为:
式中:T是灰度阈值,取值为0.7-1.6;二值图R(i0,j0)的值为1的区域就是检测到的杂质区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610282103.0A CN105784722B (zh) | 2016-04-29 | 2016-04-29 | 一种流水线上药液瓶中可见异物的检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610282103.0A CN105784722B (zh) | 2016-04-29 | 2016-04-29 | 一种流水线上药液瓶中可见异物的检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105784722A CN105784722A (zh) | 2016-07-20 |
CN105784722B true CN105784722B (zh) | 2018-08-07 |
Family
ID=56400281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610282103.0A Expired - Fee Related CN105784722B (zh) | 2016-04-29 | 2016-04-29 | 一种流水线上药液瓶中可见异物的检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105784722B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845346A (zh) * | 2016-12-16 | 2017-06-13 | 北京无线电计量测试研究所 | 一种用于机场跑道异物检测的图像检测方法 |
CN108051453A (zh) * | 2017-12-05 | 2018-05-18 | 楚天科技股份有限公司 | 一种用于具有不同深浅颜色产品的视觉检测方法 |
CN108171705A (zh) * | 2018-01-20 | 2018-06-15 | 南京理工大学 | 一种透明玻璃瓶内液体的异物检测算法 |
CN108520260B (zh) * | 2018-04-11 | 2022-02-01 | 中南大学 | 瓶装口服液中可见异物的识别方法 |
CN108787489A (zh) * | 2018-07-06 | 2018-11-13 | 东阿阿胶股份有限公司 | 一种全自动灯检机的识别检测系统 |
CN109142377B (zh) * | 2018-08-30 | 2020-02-07 | 昆明理工大学 | 一种饮用矿泉水水质检测装置 |
NL2021690B1 (en) | 2018-09-24 | 2020-05-07 | Lely Patent Nv | Milking system with detection system |
CN110967314A (zh) * | 2019-11-19 | 2020-04-07 | 太原理工大学 | 一种白酒杂质光谱衍射视觉识别装置及方法 |
CN111855681B (zh) * | 2020-07-02 | 2022-12-30 | 快克智能装备股份有限公司 | 一种在线不停板aoi检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101061382A (zh) * | 2004-08-27 | 2007-10-24 | 穆勒迪维肯公司 | 用来检测多个填满容器中异物或缺陷的方法和装置 |
CN101548178A (zh) * | 2006-11-15 | 2009-09-30 | Khs股份公司 | 用于检查或监测瓶或类似容器的方法以及用于检查瓶或类似容器的设备 |
CN104835166A (zh) * | 2015-05-13 | 2015-08-12 | 山东大学 | 基于机器视觉检测平台的液体药瓶异物检测方法 |
-
2016
- 2016-04-29 CN CN201610282103.0A patent/CN105784722B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101061382A (zh) * | 2004-08-27 | 2007-10-24 | 穆勒迪维肯公司 | 用来检测多个填满容器中异物或缺陷的方法和装置 |
CN101548178A (zh) * | 2006-11-15 | 2009-09-30 | Khs股份公司 | 用于检查或监测瓶或类似容器的方法以及用于检查瓶或类似容器的设备 |
CN104835166A (zh) * | 2015-05-13 | 2015-08-12 | 山东大学 | 基于机器视觉检测平台的液体药瓶异物检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105784722A (zh) | 2016-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105784722B (zh) | 一种流水线上药液瓶中可见异物的检测方法及系统 | |
CN105403568B (zh) | 喷嘴检测系统和方法 | |
CN108896574B (zh) | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 | |
CN110146516B (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN203750868U (zh) | 基于计算机视觉的毛边检测装置 | |
CN108120353B (zh) | 一种基于智能相机的传火孔检测装置及其方法 | |
CN103706575B (zh) | 一种基于两级图像采集的镜片在线分级分拣装置及方法 | |
CN103492862A (zh) | 药片检查装置以及药片检查方法 | |
CN204924983U (zh) | 一种光栅调制的镜片疵病自动检测装置 | |
CN103645573A (zh) | 一种基于机器视觉的lcd检测的方法和系统 | |
CN113418933B (zh) | 用于检测大尺寸物体的飞拍视觉成像检测系统及方法 | |
CN210071686U (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN106896110A (zh) | 基于单目机器视觉的产品质量检测装置及方法 | |
CN104766310B (zh) | 光源检测系统和检测方法 | |
CN104964983A (zh) | 一种滚子快速视觉检测装置 | |
CN108520260B (zh) | 瓶装口服液中可见异物的识别方法 | |
CN106264444A (zh) | 一种高鲁棒性的人眼屈光度检测方法 | |
CN112630230A (zh) | 一种基于光度立体法的在线表面缺陷检测方法 | |
CN107782744A (zh) | 一种光栅调制的镜片疵病自动检测装置 | |
CN108548825A (zh) | 一种基于二维光照的透明平板缺陷检测装置及方法 | |
CN110412055A (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
CN105115986A (zh) | 一种中药口服液瓶中可见异物检测系统及方法 | |
CN106530315B (zh) | 中小型物体全角度下目标提取系统及方法 | |
CN105391998B (zh) | 微光夜视仪分辨率自动检测方法和装置 | |
CN103940819A (zh) | 一种显微尺度下织物中纱线表面的图像采集处理装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180807 |