CN111398308A - 一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 - Google Patents
一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 Download PDFInfo
- Publication number
- CN111398308A CN111398308A CN202010232267.9A CN202010232267A CN111398308A CN 111398308 A CN111398308 A CN 111398308A CN 202010232267 A CN202010232267 A CN 202010232267A CN 111398308 A CN111398308 A CN 111398308A
- Authority
- CN
- China
- Prior art keywords
- tablets
- capsules
- quality
- capsule
- aluminum
- 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.)
- Granted
Links
- 239000002775 capsule Substances 0.000 title claims abstract description 192
- 238000001514 detection method Methods 0.000 title claims abstract description 105
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 229910052782 aluminium Inorganic materials 0.000 claims abstract description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims abstract description 4
- 239000002245 particle Substances 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 5
- 230000018109 developmental process Effects 0.000 claims description 5
- 238000012372 quality testing Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000003814 drug Substances 0.000 abstract description 16
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 229940079593 drug Drugs 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 206010057175 Mass conditions Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002552 dosage form Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Images
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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9508—Capsules; Tablets
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Medical Preparation Storing Or Oral Administration Devices (AREA)
Abstract
本发明公开了一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统,方法包括以下步骤:步骤S100:启动检测系统工作流程,以实时采集片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像;步骤S200:对采集的片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像进行预处理,以得到片剂、胶囊特征信息,并根据特征信息确定待检测片剂、胶囊的类型;步骤S300:对确定的待检测片剂、胶囊进行质量检测,以判断片剂、胶囊的质量情况;步骤S400:存储质量检测数据、显示相应的质量检测结果。应用本发明的技术方案可以实时自动检测片剂、胶囊铝塑泡罩包装质量,实现药品泡罩包装检测的自动化与智能化。
Description
技术领域
本发明涉及药品包装质量检测技术领域,尤其涉及一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统。
背景技术
药品包装是医药生产过程的重要一环,是药品质量安全与药效作用的保障。泡罩包装是当前市场上片剂、胶囊等药品包装最常见的形式之一,具有轻巧、携带与使用方便、取药卫生、密封性好与储存期长等诸多优点,现已成为药品包装发展较快的包装形式。由于片剂、胶囊等药品在生产环节中,须经过多个工艺过程最终成为所需剂型,期间可能会导致泡罩包装内药品出现缺粒、残缺、破裂、混装等问题,这在药品质量控制及管理中是不允许的,因此对药品泡罩包装内容物进行相关检测尤为重要。
由于药品检测工作具有连续性、重复性、要求高等特点,为了减轻工人劳动强度和改善检测环境、降低运行成本、提高工作效率和检测精度,片剂、胶囊泡罩包装质量自动检测是十分必要的。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统,能用于铝塑泡罩包装内片剂、胶囊的快速检测和实时检测,旨在实现药品泡罩包装检测的自动化与智能化,具有劳动强度低、工作效率和检测精度高、运行成本低等特点。
为实现上述目的,本发明提供了一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,包括以下步骤:
步骤S100:启动检测系统工作流程,以实时采集所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像;
步骤S200:对采集的所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像进行预处理,以得到所述片剂、胶囊特征信息,并根据所述特征信息确定待检测所述片剂、胶囊的类型;
步骤S300:对确定类型的待检测所述片剂、胶囊进行质量检测,以判断所述片剂、胶囊的质量情况;
步骤S400:存储所述片剂、胶囊的质量检测数据、显示所述片剂、胶囊相应的质量检测结果。
进一步的,在步骤S100前,还包括步骤S000:根据检测系统预定检测目标,设定片剂、胶囊特征值、片剂、胶囊标准数据阈值;且所述设定片剂、胶囊特征值和片剂、胶囊标准数据阈值是根据具体检测的所述片剂、胶囊而确定的。
进一步的,所述步骤S100中,所述检测系统工作流程是基于OpenCV结合工业相机进行二次开发和混合编程构建和开发的;所述实时采集图像是在所述检测系统中的CCD相机收到拍摄触发信号后进行的。
进一步的,所述步骤S200包括:(1)对所述片剂、胶囊铝塑板块图像进行中值滤波去噪以得到不含背景的板块图像;(2)对所述泡罩包装内片剂、胶囊的图像进行图像增强、形态学处理、图像分割及归一化处理,以得到片剂、胶囊特征信息;(3)将所述片剂、胶囊特征信息与权利要求2所述步骤S000中设定的所述片剂、胶囊特征值进行对比,以确定待检测所述片剂、胶囊的类型。
进一步的,所述步骤S300中所述片剂、胶囊的质量情况有正常、缺粒、残缺、裂缝、混装。
进一步的,所述步骤S300分为两种情形:情形一:对确定类型的待检测所述片剂进行基于几何属性的质量检测,以判断所述片剂的质量情况;情形二:对确定类型的待检测所述胶囊进行基于颜色信息的质量检测,以判断所述胶囊的质量情况。
进一步的,所述片剂、胶囊标准数据阈值是针对权利要求5中所述正常、缺粒、残缺、裂缝、混装而设定的。
进一步的,所述步骤S300中的所述情形一包括以下具体步骤:步骤S311:对确定的待检测所述片剂进行边缘检测,以提取出所述片剂的面积和周长几何属性;步骤S312:将提取的所述片剂的面积和周长几何属性与权利要求2所述步骤S000中设定的所述片剂标准数据阈值进行对比,以判断所述片剂的正常、缺粒、残缺、裂缝情况。
进一步的,所述步骤S300中的所述情形二包括以下具体步骤:步骤S321:对确定的待检测所述胶囊进行颜色信息计算,以获取每个胶囊的非零像素点数量所占比值;步骤S322:将获取的所述胶囊的非零像素点数量所占比值与权利要求2所述步骤S000中设定的所述胶囊标准数据阈值进行对比,以判断所述胶囊的正常、缺粒、混装情况。
一种片剂、胶囊铝塑泡罩包装质量自动检测系统,包括图像采集模块、图像预处理模块、质量检测模块、质量检测数据存储模块和质量检测结果显示模块,其中:
图像采集模块,用于实时采集所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像;
图像预处理模块,用于对采集的所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像进行预处理,以得到所述片剂、胶囊特征信息,并根据所述特征信息确定待检测所述片剂、胶囊的类型;
质量检测模块,用于对确定类型的待检测所述片剂、胶囊进行质量检测,以判断所述片剂、胶囊的质量情况;
质量检测数据存储模块,用于存储所述片剂、胶囊的质量检测数据;
质量检测结果显示模块,用于显示所述片剂、胶囊相应的质量检测结果。
本发明的有益效果是:
本发明的一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统,通过基于OpenCV结合工业相机构建和开发的检测系统工作流程,实现非接触性实时采集图像,能用于铝塑泡罩包装内片剂、胶囊的快速检测和实时检测,以实现药品泡罩包装检测的自动化与智能化,具有劳动强度低、执行速度快、工作效率和检测精度高、以及实时性强和运行成本低等优点。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是片剂、胶囊铝塑泡罩包装质量自动检测方法的流程框图。
图2是本发明实施例1的片剂铝塑泡罩包装质量自动检测情况和结果。
图3是本发明实施例2的胶囊铝塑泡罩包装质量自动检测情况和结果。
图4是片剂、胶囊铝塑泡罩包装质量自动检测系统的系统框图。
具体实施方式
如图1所示,一种片剂、胶囊铝塑泡罩包装质量自动检测方法,具体包括以下步骤:首先根据检测系统预定检测目标设定片剂、胶囊特征值和片剂、胶囊标准数据阈值,设定片剂、胶囊特征值和片剂、胶囊标准数据阈值是根据具体检测的片剂、胶囊而确定的,其中片剂、胶囊标准数据阈值是针对片剂、胶囊的质量情况(正常、缺粒、残缺、裂缝、混装)而设定的;然后启动基于OpenCV结合工业相机进行二次开发和混合编程构建和开发的检测系统工作流程,当检测系统中的CCD相机收到拍摄触发信号后进行实时采集片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像;然后对采集的片剂、胶囊铝塑板块图像进行中值滤波去噪以得到不含背景的板块图像,对泡罩包装内片剂、胶囊的图像进行图像增强、形态学处理、图像分割及归一化处理以得到片剂、胶囊特征信息,将片剂、胶囊特征信息与设定的片剂、胶囊特征值进行对比以确定待检测片剂、胶囊的类型;然后对确定类型的待检测片剂、胶囊进行质量检测,以判断片剂、胶囊的正常、缺粒、残缺、裂缝、混装情况;最后将质量检测数据进行存储、显示相应的质量检测结果。
在本发明的具体实施方案中,对确定的待检测片剂、胶囊进行质量检测过程分为对确定的待检测片剂进行基于几何属性的质量检测和对确定的待检测胶囊进行基于颜色信息的质量检测两种情形。其中,情形一:对确定的待检测片剂进行基于几何属性的质量检测过程包括以下具体步骤:对确定的待检测片剂进行边缘检测以提取出片剂的面积和周长几何属性;将提取的片剂的面积几何属性与设定的片剂标准数据阈值进行对比以判断片剂的正常、缺粒、残缺情况,再将判断为正常的片剂的周长几何属性与设定的片剂标准数据阈值进行对比以判断片剂的正常和裂缝情况。情形二:对确定的待检测胶囊进行基于颜色信息的质量检测过程包括以下具体步骤:对确定的待检测胶囊进行颜色信息计算以获取每个胶囊的非零像素点数量所占比值;将获取的胶囊非零像素点数量所占比值与设定的胶囊标准数据阈值进行对比以判断胶囊的正常、缺粒、混装情况。
如图4所示,一种片剂、胶囊铝塑泡罩包装质量自动检测系统,包括图像采集模块、图像预处理模块、质量检测模块、质量检测数据存储模块和质量检测结果显示模块,其中:
图像采集模块,用于实时采集所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像,其具体为CCD相机;
图像预处理模块,用于对采集的所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像进行预处理,以得到所述片剂、胶囊特征信息,并根据所述特征信息确定待检测所述片剂、胶囊的类型;
质量检测模块,用于对确定类型的待检测所述片剂、胶囊进行质量检测,以判断所述片剂、胶囊的质量情况;
质量检测数据存储模块,用于存储所述片剂、胶囊的质量检测数据;
质量检测结果显示模块,用于显示所述片剂、胶囊相应的质量检测结果,其具体为显示屏。
以下结合具体实施例说明本发明的原理:
实施例1
根据检测系统预定检测目标,选定10mm直径粉色圆形片剂和2号红色胶囊铝塑泡罩包装测试板块作为待检测对象,片剂、胶囊特征值FL设定如下:FL=片剂、胶囊的最小外接矩形长边像素点数量:最小外接矩形宽边像素点数量,FL≥2时,待检测对象的类型为胶囊,否则为片剂。片剂标准数据阈值设定如下:Pa=片剂最小外接矩形面积像素点数量:分割后单个片剂泡罩区域矩形面积像素点数量,Pb=片剂周长像素点数量:分割后单个片剂泡罩区域矩形周长像素点数量,Pa>0.35时,检测结果为正常;Pa≤0.01时,检测结果为缺粒;0.01<Pa≤0.35时,检测结果为残缺;Pb≥0.66时,检测结果为裂缝。胶囊标准数据阈值设定如下:J=胶囊非零像素点数量:分割后单个胶囊泡罩区域矩形非零像素点数量,J>0.1时,检测结果为正常;J≤0.008时,检测结果为缺粒;0.008<J≤0.1时,检测结果为混装有深浅双色胶囊。以粉色圆形片剂铝塑泡罩包装测试板块为检测目标,启动检测系统工作流程实施自动检测,显示相应的质量检测结果。
如图1和图2所示,步骤S100实时采集片剂铝塑板块及其泡罩包装内片剂的图像;步骤S200对采集的片剂铝塑板块及其泡罩包装内片剂的图像进行预处理后得到片剂特征信息,并根据特征信息确定检测目标为片剂;步骤S300对片剂进行质量检测,判断片剂质量情况:一行一列片剂Pa=0.2671、质量情况为残缺,一行三列片剂Pa=0.0004、质量情况为缺粒,三行二列片剂Pb=0.7802、质量情况为裂缝;步骤S400存储质量检测数据、显示相应的质量检测结果:片剂铝塑板块为不合格。
实施例2
根据检测系统预定检测目标,选定10mm直径绿色圆形片剂和2号红白双色胶囊铝塑泡罩包装测试板块作为待检测对象,片剂、胶囊特征值FL设定如下:FL=片剂、胶囊的最小外接矩形长边像素点数量:最小外接矩形宽边像素点数量,FL≥2时,待检测对象的类型为胶囊,否则为片剂。片剂标准数据阈值设定如下:Pa=片剂最小外接矩形面积像素点数量:分割后单个片剂泡罩区域矩形面积像素点数量,Pb=片剂周长像素点数量:分割后单个片剂泡罩区域矩形周长像素点数量,Pa>0.35时,检测结果为正常;Pa≤0.01时,检测结果为缺粒;0.01<Pa≤0.35时,检测结果为残缺;Pb≥0.66时,检测结果为裂缝。胶囊标准数据阈值设定如下:J=胶囊非零像素点数量:分割后单个胶囊泡罩区域矩形非零像素点数量,0.008<J≤0.1时,检测结果为正常;J≤0.008时,检测结果为缺粒;J>0.1时,检测结果为混装有深色胶囊。以红白双色胶囊铝塑泡罩包装测试板块为检测目标,启动检测系统工作流程实施自动检测,显示相应的质量检测结果。
如图1和图3所示,步骤S100实时采集胶囊铝塑板块及其泡罩包装内胶囊的图像;步骤S200对采集的胶囊铝塑板块及其泡罩包装内胶囊的图像进行预处理后得到胶囊特征信息,并根据特征信息确定检测目标为胶囊;步骤S300对胶囊进行质量检测,判断胶囊质量情况:一行一列胶囊J=0.1275、质量情况为混装有深色胶囊,二行一列胶囊J=0.0028、质量情况为缺粒;步骤S400存储质量检测数据、显示相应的质量检测结果:胶囊铝塑板块为不合格。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,包括以下步骤:
步骤S100:启动检测系统工作流程,以实时采集所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像;
步骤S200:对采集的所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像进行预处理,以得到所述片剂、胶囊特征信息,并根据所述特征信息确定待检测所述片剂、胶囊的类型;
步骤S300:对确定类型的待检测所述片剂、胶囊进行质量检测,以判断所述片剂、胶囊的质量情况;
步骤S400:存储所述片剂、胶囊的质量检测数据、显示所述片剂、胶囊相应的质量检测结果。
2.如权利要求1所述的一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,在步骤S100前,还包括步骤S000:根据检测系统预定检测目标,设定片剂、胶囊特征值、片剂、胶囊标准数据阈值;且所述设定片剂、胶囊特征值和片剂、胶囊标准数据阈值是根据具体检测的所述片剂、胶囊而确定的。
3.如权利要求1所述的一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,所述步骤S100中,所述检测系统工作流程是基于OpenCV结合工业相机进行二次开发和混合编程构建和开发的;所述实时采集图像是在所述检测系统中的CCD相机收到拍摄触发信号后进行的。
4.如权利要求1所述的一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,所述步骤S200包括:(1)对所述片剂、胶囊铝塑板块图像进行中值滤波去噪以得到不含背景的板块图像;(2)对所述泡罩包装内片剂、胶囊的图像进行图像增强、形态学处理、图像分割及归一化处理,以得到片剂、胶囊特征信息;(3)将所述片剂、胶囊特征信息与权利要求2所述步骤S000中设定的所述片剂、胶囊特征值进行对比,以确定待检测所述片剂、胶囊的类型。
5.如权利要求1所述的一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,所述步骤S300中所述片剂、胶囊的质量情况有正常、缺粒、残缺、裂缝、混装。
6.如权利要求1所述的一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,所述步骤S300分为两种情形:情形一:对确定类型的待检测所述片剂进行基于几何属性的质量检测,以判断所述片剂的质量情况;情形二:对确定类型的待检测所述胶囊进行基于颜色信息的质量检测,以判断所述胶囊的质量情况。
7.如权利要求2所述的一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,所述片剂、胶囊标准数据阈值是针对权利要求5中所述正常、缺粒、残缺、裂缝、混装而设定的。
8.如权利要求6所述的一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,所述情形一包括以下具体步骤:步骤S311:对确定的待检测所述片剂进行边缘检测,以提取出所述片剂的面积和周长几何属性;步骤S312:将提取的所述片剂的面积和周长几何属性与权利要求2所述步骤S000中设定的所述片剂标准数据阈值进行对比,以判断所述片剂的正常、缺粒、残缺、裂缝情况。
9.如权利要求6所述的一种片剂、胶囊铝塑泡罩包装质量自动检测方法,其特征在于,所述情形二包括以下具体步骤:步骤S321:对确定的待检测所述胶囊进行颜色信息计算,以获取每个胶囊的非零像素点数量所占比值;步骤S322:将获取的所述胶囊的非零像素点数量所占比值与权利要求2所述步骤S000中设定的所述胶囊标准数据阈值进行对比,以判断所述胶囊的正常、缺粒、混装情况。
10.一种片剂、胶囊铝塑泡罩包装质量自动检测系统,其特征在于,包括图像采集模块、图像预处理模块、质量检测模块、质量检测数据存储模块和质量检测结果显示模块,其中:
图像采集模块,用于实时采集所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像;
图像预处理模块,用于对采集的所述片剂、胶囊铝塑板块及其泡罩包装内片剂、胶囊的图像进行预处理,以得到所述片剂、胶囊特征信息,并根据所述特征信息确定待检测所述片剂、胶囊的类型;
质量检测模块,用于对确定类型的待检测所述片剂、胶囊进行质量检测,以判断所述片剂、胶囊的质量情况;
质量检测数据存储模块,用于存储所述片剂、胶囊的质量检测数据;
质量检测结果显示模块,用于显示所述片剂、胶囊相应的质量检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010232267.9A CN111398308B (zh) | 2020-03-27 | 2020-03-27 | 一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010232267.9A CN111398308B (zh) | 2020-03-27 | 2020-03-27 | 一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111398308A true CN111398308A (zh) | 2020-07-10 |
CN111398308B CN111398308B (zh) | 2023-01-17 |
Family
ID=71436735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010232267.9A Active CN111398308B (zh) | 2020-03-27 | 2020-03-27 | 一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111398308B (zh) |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0838409A1 (en) * | 1996-09-03 | 1998-04-29 | Ricardo Enrique Maclen | Set of combinable foils, for the packaging of tablets and capsules |
JPH10267853A (ja) * | 1997-03-25 | 1998-10-09 | Ckd Corp | 捺印錠剤の外観検査方法と捺印錠剤の外観検査装置 |
JPH10318930A (ja) * | 1997-05-21 | 1998-12-04 | Ckd Corp | 錠剤の外観検査方法と錠剤の外観検査装置 |
JPH1172440A (ja) * | 1997-08-29 | 1999-03-16 | Ckd Corp | 捺印錠剤の外観検査方法と捺印錠剤の外観検査装置 |
JPH11178894A (ja) * | 1997-12-19 | 1999-07-06 | Ckd Corp | 錠剤の外観検査方法と錠剤の外観検査装置とブリスタシート包装機 |
CN101448852A (zh) * | 2005-12-20 | 2009-06-03 | 布里斯托尔—迈尔斯斯奎布公司 | 组合物和用于生产组合物的方法 |
US20090252749A1 (en) * | 2005-12-20 | 2009-10-08 | Bristol-Myers Squibb Company | Compositions and Methods for Producing a Composition |
CN102507598A (zh) * | 2011-11-02 | 2012-06-20 | 苏州科技学院 | 一种高速无序胶囊缺陷检测系统 |
CN103034972A (zh) * | 2011-09-29 | 2013-04-10 | 北京新媒传信科技有限公司 | 图像处理平台的实现方法及图像处理平台 |
CN103072718A (zh) * | 2012-12-27 | 2013-05-01 | 天津普达软件技术有限公司 | 用于食品包装生产线的机器视觉检测系统及方法 |
CN103913469A (zh) * | 2014-04-21 | 2014-07-09 | 南京农业大学 | 一种家禽胴体表面污染物在线检测与处理系统 |
CN105301012A (zh) * | 2014-07-01 | 2016-02-03 | 上海视谷图像技术有限公司 | 一种胶囊检测方法及系统 |
CN106914428A (zh) * | 2017-01-16 | 2017-07-04 | 哈尔滨理工大学 | 一种基于机器视觉的钢球表面缺陷差分检测的新型算法 |
CN107084992A (zh) * | 2017-04-20 | 2017-08-22 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的胶囊检测方法及系统 |
CN107310795A (zh) * | 2017-07-04 | 2017-11-03 | 上海烟草机械有限责任公司 | 基于机器视觉技术的产品外包装检测器及检测系统 |
CN107525808A (zh) * | 2017-07-27 | 2017-12-29 | 佛山市南海区广工大数控装备协同创新研究院 | 一种生产线上泡罩药品分类及缺陷在线视觉检测方法 |
WO2018010289A1 (zh) * | 2016-07-13 | 2018-01-18 | 深圳市太赫兹系统设备有限公司 | 铝塑板泡罩包装药品的太赫兹监测系统及监测方法 |
WO2018103130A1 (zh) * | 2016-12-09 | 2018-06-14 | 江南大学 | 一种成型产品在线质量检测方法 |
CN108350031A (zh) * | 2015-07-20 | 2018-07-31 | 斯坎塞尔有限公司 | 对修饰后自体表位的抗肿瘤免疫应答 |
CN108344743A (zh) * | 2018-02-02 | 2018-07-31 | 佛山职业技术学院 | 一种基于机器视觉药品泡罩包装缺陷检测方法及系统 |
CN108636830A (zh) * | 2018-05-10 | 2018-10-12 | 苏州大学 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
WO2019045653A1 (en) * | 2017-09-04 | 2019-03-07 | Agency For Science, Technology And Research | NON-DESTRUCTIVE SYSTEMS AND METHODS FOR IDENTIFICATION OF CONDITIONED MEDICAMENTS |
CN109433641A (zh) * | 2018-09-30 | 2019-03-08 | 南通大学 | 基于机器视觉的片剂胶囊灌装遗漏智能检测方法 |
CN109884070A (zh) * | 2019-03-08 | 2019-06-14 | 武汉大学 | 一种基于机器视觉的铝铝泡罩包装药片缺陷检测方法 |
CN110570422A (zh) * | 2019-09-18 | 2019-12-13 | 中国计量大学 | 一种基于矩阵分析的胶囊缺陷视觉检测方法 |
-
2020
- 2020-03-27 CN CN202010232267.9A patent/CN111398308B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0838409A1 (en) * | 1996-09-03 | 1998-04-29 | Ricardo Enrique Maclen | Set of combinable foils, for the packaging of tablets and capsules |
JPH10267853A (ja) * | 1997-03-25 | 1998-10-09 | Ckd Corp | 捺印錠剤の外観検査方法と捺印錠剤の外観検査装置 |
JPH10318930A (ja) * | 1997-05-21 | 1998-12-04 | Ckd Corp | 錠剤の外観検査方法と錠剤の外観検査装置 |
JPH1172440A (ja) * | 1997-08-29 | 1999-03-16 | Ckd Corp | 捺印錠剤の外観検査方法と捺印錠剤の外観検査装置 |
JPH11178894A (ja) * | 1997-12-19 | 1999-07-06 | Ckd Corp | 錠剤の外観検査方法と錠剤の外観検査装置とブリスタシート包装機 |
CN101448852A (zh) * | 2005-12-20 | 2009-06-03 | 布里斯托尔—迈尔斯斯奎布公司 | 组合物和用于生产组合物的方法 |
US20090252749A1 (en) * | 2005-12-20 | 2009-10-08 | Bristol-Myers Squibb Company | Compositions and Methods for Producing a Composition |
CN103034972A (zh) * | 2011-09-29 | 2013-04-10 | 北京新媒传信科技有限公司 | 图像处理平台的实现方法及图像处理平台 |
CN102507598A (zh) * | 2011-11-02 | 2012-06-20 | 苏州科技学院 | 一种高速无序胶囊缺陷检测系统 |
CN103072718A (zh) * | 2012-12-27 | 2013-05-01 | 天津普达软件技术有限公司 | 用于食品包装生产线的机器视觉检测系统及方法 |
CN103913469A (zh) * | 2014-04-21 | 2014-07-09 | 南京农业大学 | 一种家禽胴体表面污染物在线检测与处理系统 |
CN105301012A (zh) * | 2014-07-01 | 2016-02-03 | 上海视谷图像技术有限公司 | 一种胶囊检测方法及系统 |
CN108350031A (zh) * | 2015-07-20 | 2018-07-31 | 斯坎塞尔有限公司 | 对修饰后自体表位的抗肿瘤免疫应答 |
WO2018010289A1 (zh) * | 2016-07-13 | 2018-01-18 | 深圳市太赫兹系统设备有限公司 | 铝塑板泡罩包装药品的太赫兹监测系统及监测方法 |
WO2018103130A1 (zh) * | 2016-12-09 | 2018-06-14 | 江南大学 | 一种成型产品在线质量检测方法 |
CN106914428A (zh) * | 2017-01-16 | 2017-07-04 | 哈尔滨理工大学 | 一种基于机器视觉的钢球表面缺陷差分检测的新型算法 |
CN107084992A (zh) * | 2017-04-20 | 2017-08-22 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的胶囊检测方法及系统 |
CN107310795A (zh) * | 2017-07-04 | 2017-11-03 | 上海烟草机械有限责任公司 | 基于机器视觉技术的产品外包装检测器及检测系统 |
CN107525808A (zh) * | 2017-07-27 | 2017-12-29 | 佛山市南海区广工大数控装备协同创新研究院 | 一种生产线上泡罩药品分类及缺陷在线视觉检测方法 |
WO2019045653A1 (en) * | 2017-09-04 | 2019-03-07 | Agency For Science, Technology And Research | NON-DESTRUCTIVE SYSTEMS AND METHODS FOR IDENTIFICATION OF CONDITIONED MEDICAMENTS |
CN108344743A (zh) * | 2018-02-02 | 2018-07-31 | 佛山职业技术学院 | 一种基于机器视觉药品泡罩包装缺陷检测方法及系统 |
CN108636830A (zh) * | 2018-05-10 | 2018-10-12 | 苏州大学 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
CN109433641A (zh) * | 2018-09-30 | 2019-03-08 | 南通大学 | 基于机器视觉的片剂胶囊灌装遗漏智能检测方法 |
CN109884070A (zh) * | 2019-03-08 | 2019-06-14 | 武汉大学 | 一种基于机器视觉的铝铝泡罩包装药片缺陷检测方法 |
CN110570422A (zh) * | 2019-09-18 | 2019-12-13 | 中国计量大学 | 一种基于矩阵分析的胶囊缺陷视觉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111398308B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109884070B (zh) | 一种基于机器视觉的铝铝泡罩包装药片缺陷检测方法 | |
CN110441316B (zh) | 电池表面缺陷检测方法及检测系统 | |
CN110570422B (zh) | 一种基于矩阵分析的胶囊缺陷视觉检测方法 | |
CN101090083A (zh) | 晶片检测方法 | |
US11657599B2 (en) | Method for detecting appearance of six sides of chip multi-layer ceramic capacitor based on artificial intelligence | |
CN110189670A (zh) | 一种led显示屏幕缺陷检测方法 | |
CN115147370A (zh) | 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备 | |
CN111487250A (zh) | 一种应用于注塑件不良品检测的智能视觉检测方法及系统 | |
CN111766245B (zh) | 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 | |
CN112712496A (zh) | 铝泡罩包装药丸缺陷检测方法、系统和存储介质 | |
CN111398308B (zh) | 一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 | |
CN115494080A (zh) | 一种电池包蓝膜外观缺陷检测方法及系统 | |
CN111524136A (zh) | 装箱异常检测系统及方法 | |
KR102166287B1 (ko) | 알약 포장 설비 자동화 기계의 검사 장치 | |
KR101330567B1 (ko) | 약품 적재함 내의 알약 영상 검출방법. | |
CN112215816B (zh) | 一种生产线中显示器故障的实时检测方法、存储介质和装置 | |
CN109377493A (zh) | 一种基于规则库的蜂胶软胶囊不良品快速识别系统 | |
CN105092589A (zh) | 一种胶囊头缺陷检测方法 | |
CN115346901B (zh) | 一种led晶圆片分选方法 | |
CN116205860A (zh) | 一种基于机器视觉的酒瓶体包装缺陷检测系统 | |
JPH04238592A (ja) | 結束棒鋼自動検数装置 | |
CN113393539A (zh) | 化学反应溶液颜色突变识别方法 | |
CN115147386A (zh) | U型管的缺陷检测方法、装置及电子设备 | |
CN114354622A (zh) | 显示屏的缺陷检测方法、装置、设备和介质 | |
Suksawatchon et al. | Shape Recognition Using Unconstrained Pill Images Based on Deep Convolution Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |