CN115578380A - 一种基于机器视觉的泡罩缺陷通用检测方法 - Google Patents
一种基于机器视觉的泡罩缺陷通用检测方法 Download PDFInfo
- Publication number
- CN115578380A CN115578380A CN202211446071.5A CN202211446071A CN115578380A CN 115578380 A CN115578380 A CN 115578380A CN 202211446071 A CN202211446071 A CN 202211446071A CN 115578380 A CN115578380 A CN 115578380A
- Authority
- CN
- China
- Prior art keywords
- area
- detection
- defect
- parameters
- detected
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 198
- 238000001514 detection method Methods 0.000 title claims abstract description 190
- 239000002775 capsule Substances 0.000 claims abstract description 91
- 239000003814 drug Substances 0.000 claims description 65
- 238000012216 screening Methods 0.000 claims description 45
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 37
- 229910052782 aluminium Inorganic materials 0.000 claims description 37
- 239000011888 foil Substances 0.000 claims description 37
- 230000011218 segmentation Effects 0.000 claims description 32
- 229910000831 Steel Inorganic materials 0.000 claims description 28
- 239000010959 steel Substances 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 22
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 14
- 238000007789 sealing Methods 0.000 claims description 14
- 210000003934 vacuole Anatomy 0.000 claims description 11
- 230000003014 reinforcing effect Effects 0.000 claims description 9
- 238000005299 abrasion Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 6
- 238000003825 pressing Methods 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 5
- 238000011895 specific detection Methods 0.000 claims description 4
- 238000011109 contamination Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 239000007901 soft capsule Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004806 packaging method and process Methods 0.000 description 6
- 206010041662 Splinter Diseases 0.000 description 5
- 229920003023 plastic Polymers 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 239000002985 plastic film Substances 0.000 description 2
- 238000004026 adhesive bonding Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 normal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种基于机器视觉的泡罩缺陷通用检测方法，包括如下步骤：采集模板图像，基于获取的模板图像，设置检测模板参数，所述的检测模板参数包括正面检测模板参数以及背面检测模板参数；采集待检测图像，基于设置的检测模板参数，对采集的待检测图像进行正面缺陷检测以及背面缺陷检测，判断产品是否合格。本发明可以兼容药片、胶囊等多种类型泡罩缺陷检测，用户可根据需求自己选择检测缺陷项。
Description
技术领域
本发明主要涉及药片/胶囊及其包装视觉缺陷检测相关技术领域，具体是一种基于机器视觉的泡罩缺陷通用检测方法。
背景技术
泡罩包装机是以透明塑料薄膜或薄片形成泡罩，用热封合，粘合等方法将产品封合在泡罩与底板之间的机器，是药片、胶囊的最主要包装方式之一。在包装生产过程中，受各种因素影响，容易使药片/胶囊或泡罩产生各种类型的缺陷，因此，包装过程中需要进行严格的质量检测。
现有技术中， CN202010232267.9 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。其方法可以检测片剂/胶囊质量情况，包括正常、缺粒、残缺、裂缝、混装。但是其仍具有以下明显的缺陷：1、其技术检测的缺陷项较少，只能检测药片/胶囊本身缺陷，铝箔及PVC的缺陷都无法检测，通用性较差；2、只能检测固定缺陷项，无法根据用户需求自己选择设定检测项。
发明内容
为解决目前技术的不足，本发明结合现有技术，从实际应用出发，提供一种基于机器视觉的泡罩缺陷通用检测方法，可以兼容药片、胶囊等多种类型泡罩缺陷检测，用户可根据需求自己选择检测缺陷项。
为实现上述目的，本发明的技术方案如下：
一种基于机器视觉的泡罩缺陷通用检测方法，包括如下步骤：
采集模板图像，基于获取的模板图像，设置检测模板参数，所述的检测模板参数包括正面检测模板参数以及背面检测模板参数；
采集待检测图像，基于设置的检测模板参数，对采集的待检测图像进行正面缺陷检测以及背面缺陷检测，判断产品是否合格；
其中，正面检测模板参数包括提取正面药板区域参数、提取药片/胶囊区域参数、正面缺陷检测项及对应缺陷检测参数，正面缺陷检测项包括空泡，压泡，胶囊破损，药片黑点，半粒，裂片，泡罩异物，胶囊漏液，钢号有无、缺损，PVC异物，网纹不清，密封不严，
背面检测模板参数包括提取背面药板区域参数、提取批号区域参数、提取字符区域参数、背面缺陷检测项及对应缺陷检测参数，背面缺陷检测项包括批号有无、缺损、重叠，铝箔磨损、异物，铝箔破损。
进一步，所述的正面检测模板参数设置包括如下步骤，
S11：采集待检测件的OK图和各种待检缺陷件的NG图；
S12：选择要检测的缺陷项；
S13：根据OK图设置提取药板区域参数，包括阈值分割的灰度值、形态学处理尺寸和筛选条件，同时将彩色图像转成灰度图，并拆分成R、G、B、H、S、V单通道图像；
S14：根据OK图设置提取药片/胶囊区域参数，包括选择的图像通道、药片数量、阈值分割的灰度值、形态学处理尺寸和筛选条件；
S15：根据S12选择的待检缺陷项以及对应的缺陷NG图逐一设置正面缺陷的检测参数，包括图像通道、阈值分割的灰度值、形态学处理尺寸和筛选条件的共有参数和缺陷各自独有参数；
S16：保存正面检测模板参数。
进一步，所述的背面检测模板参数设置包括如下步骤，
S21：采集待检测件的OK图和各种待检缺陷件的NG图；
S22：选择待检测缺陷项；
S23：根据S21采集OK图设置提取药板区域参数，包括阈值分割的灰度值，形态学处理参数，筛选条件，计算药板区域中心点坐标和旋转角度，将药板区域中心平移到图像中心并转正；
S24：在S23校正后的OK图上用矩形框框出批号所在区域，作为批号检测区域，设置二值化处理阈值，膨胀尺寸以及筛选条件参数；
S25：设置背面字符提取参数，选定某一特征明显的字符作为定位字符，设置阈值提取灰度值和筛选条件，计算相邻定位字符在X或者Y方向的间距，以及非定位字符与定位字符之间的偏移量和尺寸；
S26：根据S22选择的待检测项，以及S21对应的缺陷件的NG图，逐一设置背面缺陷检测参数，包括阈值分割灰度值，形态学处理参数以及筛选条件；
S27：保存背面检测模板参数。
进一步，正面缺陷检测包括如下步骤：
S31：采集待检测图像；
S32：并行处理S321和S322；
S321：获取正面检测模板参数，将彩色图像转换成灰度图，根据模板参数对灰度图像阈值分割，提取药板区域为待检测区域；
S322：将彩色图像拆分成R、G、B、H、S、V单通道图像；
S33：并行处理S331，S332，S333；
S331：根据模板参数对S321、S322中的某单通道图像进行二值化处理，根据筛选条件筛选药片/胶囊，提取药片/胶囊掩膜区域、泡罩掩膜区域，检测空泡缺陷，其中，泡罩掩膜区域为药片/胶囊掩膜区域膨胀一定尺寸后与自身的差集；
S332：若药板有钢号且需要检测该缺陷时执行：计算药板的中心点和角度，将药板绕中心点转正，根据模板参数生成钢号的检测区域，并检测钢号缺陷；
S333：药板有加强筋时执行：根据模板参数生成加强筋区域；
S34：并行处理S341、S342；
S341：检测药片/胶囊、泡罩相关缺陷，包括压泡、胶囊破损、药片黑点、半片、裂片、泡罩异物和软胶囊漏液缺陷，根据药片/胶囊数量将药片/胶囊分组，多个线程同时检测；
S342：提取掩膜PVC区域，其中，S321提取的药板区域去掉S331提取的药片/胶囊、泡罩掩膜区域，再去掉S332提取的钢号区域和S333提取的加强筋区域，剩余部分为PVC掩膜区域；
S35：S342执行完成执行S35，并行检测PVC异物、网纹不清、密封不严缺陷；
S36：判断S331、S332、S341、S35中检测到的缺陷数量，若缺陷数量等于0判定产品为合格件，大于0判定产品为不合格件；
上述，实际检测缺陷项依据正面检测模板参数选择的缺陷项确定。
进一步，步骤S331中，检测空泡流程包括：若提取到的药片/胶囊数量少于实际药片/胶囊数量，则认为该产品有空泡，存在空泡缺陷；
步骤S332中，检测钢号流程包括：在检测区域内用局部自动阈值提取钢号，膨胀处理将钢号字符连接一起得到钢号实际区域。
进一步，步骤S341中，每个线程具体检测流程如下：
检测压泡：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测药片/胶囊区域，二值化处理图像，筛选得到压泡缺陷；
检测胶囊破损：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测胶囊区域，二值化处理图像，筛选得到胶囊破损区域；
检测药片黑点：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测药片区域，增强图像对比度，让药片黑点更加明显，阈值分割、筛选得到缺陷区域；
检测半片：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测药片区域，药片区域拟合椭圆和药片区域进行与操作得到二者交集，计算拟合椭圆与交集的差的面积和拟合椭圆的高宽比，二者任一符合筛选条件，则判为半片缺陷；
检测裂片：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测药片区域，局部自动阈值提取裂片区域；
检测泡罩异物：获取检测模板参数，根据S331提取的泡罩掩膜区域截取待检测泡罩区域，阈值分割得到泡罩异物；
检测胶囊漏液：获取检测模板参数，根据S331提取的泡罩掩膜取样截取待检测泡罩区域，阈值分割提取漏液区域。
进一步，步骤S35中，PVC异物、网纹不清、密封不严缺陷检测流程如下：
检测PVC异物：获取检测模板参数，根据S342提取的PVC掩膜区域截取待检测PVC区域，阈值分割提取PVC异物；
检测网纹不清和密封不严缺陷：获取检测模板参数，根据S342提取的PVC掩膜区域截取待检测PVC区域，局部自动阈值提取PVC网纹，闭运算将相邻网纹连接，非操作得到不连接的网纹区域，筛选大于一定面积的不连接网纹区域认为是网纹不清或密封不严缺陷。
进一步，背面缺陷检测包括如下步骤：
S41：采集待检测图像；
S42：获取背面检测模板参数，阈值分割提取药板区域，计算药板区域中心点坐标和旋转角度，将药板区域中心平移到图像中心并转正；
S43：若药板有批号且需要检测时执行：根据模板参数得到批号检测区域，检测批号缺陷；
S44：若药板有字符且需要检测时执行：提取背面字符区域，阈值分割提取定位字符，将提取到的定位字符X方向或Y方向平移一定间距到未提取到的定位字符位置，得到所有定位字符位置，根据定位字符位置画出所有字符区域；
S45：提取铝箔区域，S42提取的药板区域减去S43提取的批号区域减去S44字符区域，剩下为铝箔区域；
S46：检测铝箔脏污缺陷；
S47：检测铝箔破损缺陷；
S8：判断S43、S46、S47中是否有缺陷，若不存在缺陷，判定产品为合格件，若存在缺陷，判定产品为不合格件；
上述，实际检测缺陷项依据背面检测模板参数选择的缺陷项确定。
进一步，步骤S43中，检测批号缺陷流程包括：二值化提取批号区域，膨胀处理将批号字符连接一起得到最终的批号区域，判断批号区域是否符合筛选条件，不符合则批号有缺陷；
步骤S46中，检测铝箔脏污缺陷流程包括：获取检测模板参数，根据S45提取的铝箔区域掩膜截取待检测铝箔区域，二值化图像得到脏污区域，脏污数量大于0，则判断为有缺陷；
步骤S47中，检测铝箔破损缺陷流程包括：获取检测模板参数，根据S42提取的药板区域截取待检测药板区域，二值化处理得到破损区域，破损数量大于0，则判断为有缺陷。
本发明的有益效果：
1、本发明可以兼容药片、胶囊等多种类型泡罩缺陷检测，可检测的缺陷有十几种，包括批号有无、缺损、重叠，铝箔磨损、异物，铝箔破损等背面缺陷，以及空泡，压泡，胶囊破损，药片黑点，半粒，裂片，泡罩异物，胶囊漏液，钢号有无、缺损，PVC异物，网纹不清，密封不严等正面缺陷，能够实现药品包装质量全面、完整的检测。
2、本发明中，用户可根据需求自己调整参数，且可以根据需求自主选择检测的缺陷项，通用性强。
3、本发明中，所提供的各种缺陷的具体检测方法简单、实用，检测精度高，易于实现。
附图说明
图1为正面检测模板设置流程示意图；
图2为正面检测流程示意图；
图3为背面检测模板设置流程示意图；
图4为背面检测流程示意图。
具体实施方式
结合附图和具体实施例，对本发明作进一步说明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所限定的范围。
本发明实施例提供一种基于机器视觉的泡罩缺陷通用检测方法。本方法主要用于实现药片、胶囊等多种类型泡罩缺陷检测。可检测的缺陷有十几种，包括批号有无、缺损、重叠，铝箔磨损、异物，铝箔破损等背面缺陷，以及空泡，压泡，胶囊破损，药片黑点，半粒，裂片，泡罩异物，胶囊漏液，钢号有无、缺损，PVC异物，网纹不清，密封不严等正面缺陷，用户可根据需求自己选择检测缺陷项。
在进行实际检测前，用户可先自行配置检测模板参数，其中，检测模板参数包括正面检测模板参数以及背面检测模板参数，之后，基于设置的检测模板参数，可对采集的待检测图像进行正面缺陷检测以及背面缺陷检测，从而判断产品是否合格。
如图1所示，为本发明实施例所提供的正面检测模板设置流程图，主要包括步骤如下：
S11：采集待检测件的OK图和各种待检缺陷件的NG图；
S12：选择要检测的缺陷项；
S13：根据OK图设置提取药板区域参数，包括阈值分割的灰度值、形态学处理尺寸和筛选条件等，同时将彩色图像转成灰度图，并拆分成R、G、B、H、S、V单通道图像；
S14：根据OK图设置提取药片/胶囊区域参数，包括选择的图像通道、药片数量、阈值分割的灰度值、形态学处理尺寸和筛选条件等；
S15：根据S12选择的待检缺陷项以及对应的缺陷NG图逐一设置缺陷的检测参数，包括图像通道、阈值分割的灰度值、形态学处理尺寸和筛选条件等共有参数和缺陷各自独有参数；
S16：保存模板参数。
在本实施例中，通过OK图和NG图的配合，完成正面检测模板参数的设置，可以直观看到有、无缺陷时图像变化，保证设置的参数有效，方便后续缺陷的检测及数据的处理，保证检测精度，同时，用户可根据自己选择设定所需检测的参数，通用性强。
如图2所示，为本发明实施例所提供的正面检测流程示意图，正面检测主要包括步骤如下：
S31：采集待检测图像；
S32：并行处理S321和S322；
S321：获取模板参数，将彩色图像转换成灰度图，根据模板参数对灰度图像阈值分割，提取药板区域为待检测区域；
S322：将彩色图像拆分成R、G、B、H、S、V单通道图像；
S33：并行处理S331，S332，S333；
S331：根据模板参数对S321、S322中的某单通道图像进行二值化处理，根据筛选条件筛选药片/胶囊，提取药片/胶囊掩膜区域，提取到的药片/胶囊数量应与实际药片/胶囊数量一致，若少于实际药片/胶囊数量，则认为该件有空泡，泡罩掩膜区域为药片/胶囊掩膜区域膨胀一定尺寸后与自身的差集，提取到的药片/胶囊掩膜和泡罩掩膜区域用于后续的缺陷检测。
S332：若药板有钢号且需要检测该缺陷时执行，计算药板的中心点和角度，将药板绕中心点转正，根据模板参数生成钢号的检测区域，在检测区域内用局部自动阈值提取钢号，膨胀处理将钢号字符连接一起得到钢号实际区域。
S333：药板有加强筋时执行，根据模板参数生成加强筋区域。
S34：并行处理S341、S342。
S341检测药片/胶囊、泡罩相关缺陷，包括压泡、胶囊破损、药片黑点、半片、裂片、泡罩异物和软胶囊漏液等缺陷，实际检测项依据模板设置步骤S12选择的缺陷项确定，根据药片/胶囊数量将药片/胶囊分组，多个线程同时检测。
每个线程具体检测流程如下：
1、检测压泡：获取模板检测参数，根据S331提取的药片掩膜截取待检测药片/胶囊区域，二值化处理图像，筛选得到压泡缺陷。
2、检测胶囊破损：获取模板检测参数，根据S331提取的药片掩膜截取待检测胶囊区域，二值化处理图像，筛选得到胶囊破损区域。
3、检测药片黑点：获取模板检测参数，根据S331提取的药片掩膜截取待检测药片区域，增强图像对比度，让药片黑点更加明显，阈值分割、筛选得到缺陷区域。
4、检测半片：获取模板检测参数，根据S331提取的药片掩膜截取待检测药片区域，药片区域拟合椭圆和药片区域进行与操作得到二者交集，计算拟合椭圆与交集的差的面积和拟合椭圆的高宽比，二者任一符合筛选条件，则判为半片缺陷。
5、检测裂片：获取模板检测参数，根据S331提取的药片掩膜截取待检测药片区域，局部自动阈值提取裂片区域。
6、检测泡罩异物：获取模板检测参数，根据S331提取的泡罩掩膜截取待检测泡罩区域，阈值分割得到泡罩异物。
7、检测胶囊漏液：获取模板检测参数，根据S331提取的泡罩掩膜截取待检测泡罩区域，阈值分割提取漏液区域。
8、循环执行1-7至检测完所有药片/胶囊、泡罩
S342提取PVC区域，S321提取的药板区域去掉S331提取的药片/胶囊、泡罩区域，再去掉S332提取的钢号和S333提取的加强筋区域，剩余部分为PVC区域。
S35：S342执行完成执行S35，并行检测PVC异物、网纹不清、密封不严等缺陷，实际检测项依据模板设置步骤S32选择的缺陷项确定。
检测PVC异物：获取模板检测参数，根据S342提取的PVC掩膜区域截取待检测PVC区域，阈值分割提取PVC异物。
检测网纹不清和密封不严缺陷：获取模板检测参数，根据S342提取的PVC掩膜区域截取待检测PVC区域，局部自动阈值提取PVC网纹，闭运算将相邻网纹连接，非操作得到不连接的网纹区域，筛选大于一定面积的不连接网纹区域认为是网纹不清或密封不严缺陷。
S36：判断S331、S332、S341、S35中检测到的缺陷数量，若缺陷数量等于0认为该件为合格件，大于0为不合格件。
本实施例提供的正面检测方法中，基于设置的正面检测模板，算法简单有效，可兼容检测多种类型泡罩，能够实现包括空泡，压泡，胶囊破损，药片黑点，半粒，裂片，泡罩异物，胶囊漏液，钢号有无、缺损，PVC异物，网纹不清，密封不严等多个正面缺陷，且对每个缺陷设定了相应的检测条件和流程，能够保证缺陷的高精度、高效检测，同时缺陷检测类型可基于设置的正面检测模板选定，通用性强。
如图3所示，为本发明实施例所提供的背面检测模板流程示意图。背面检测模板设置主要包括如下步骤：
S21：采集待检测件的OK图和各种待检缺陷件的NG图；
S22：选择待检测缺陷项；
S23：根据S21采集OK图设置提取药板区域参数，包括阈值分割的灰度值，形态学处理参数，筛选条件等，计算药板区域中心点坐标和旋转角度，将药板区域中心平移到图像中心并转正；
S24：在S23校正后的OK图上用矩形框框出批号所在区域，作为批号检测区域，设置二值化处理阈值，膨胀尺寸以及筛选条件等参数，提取并检测批号；
S25：设置背面字符提取参数，选定某一特征明显的字符作为定位字符，设置阈值提取灰度值和筛选条件，计算相邻定位字符在X或者Y方向的间距，以及非定位字符与定位字符之间的偏移量和尺寸；
S26：根据S22选择的待检测项，以及S21对应的缺陷件的NG图，逐一设置缺陷检测参数，包括阈值分割灰度值，形态学处理参数以及筛选条件等；
S27：保存模板参数。
在本实施例中，通过OK图和NG图的配合，完成背面检测模板参数的设置，能够保证参数的合理性、准确性，后续缺陷的检测及数据的处理，保证检测精度，同时，用户可根据自己选择设定所需检测的参数，通用性强。
如图4所示，为本发明实施例所提供的背面检测流程示意图，背面检测主要包括步骤如下：
S41：采集待检测图像；
S42：获取模板参数，阈值分割提取药板区域，计算药板区域中心点坐标和旋转角度，将药板区域中心平移到图像中心并转正。
S43：若药板有批号且需要检测时执行，主要检测无批号，批号缺损，批号重叠，根据模板参数得到批号检测区域，二值化提取批号区域，膨胀处理将批号字符连接一起得到最终的批号区域，判断批号区域是否符合筛选条件，不符合则批号有缺陷，该件判为不合格件。
S44：提取背面字符区域，阈值分割提取定位字符，将提取到的定位字符X方向或Y方向平移一定间距到未提取到的定位字符位置，得到所有定位字符位置，根据定位字符位置画出所有字符区域。
S45：提取铝箔区域，S42提取的药板区域-S43提取的实际批号区域-S44字符区域，剩下为铝箔区域。
S46：检测铝箔脏污，模板设置步骤S22选择该缺陷项时执行，获取模板参数，根据S45提取的铝箔区域掩膜截取待检测铝箔区域，二值化图像得到脏污区域，脏污数量大于0，则该件判为不合格件。
S47：检测铝箔破损，模板设置步骤S42选择该缺陷项时执行，获取模板参数，根据S41提取的药板区域掩膜截取待检测药板区域，二值化处理得到破损区域，破损数量大于0，则该件判为不合格件。
S48：检测完所有缺陷项没有返回NG，该件判为合格件。
本实施例提供的背面检测方法中，基于设置的背面检测模板，能够实现包括批号有无、缺损、重叠，铝箔磨损、异物，铝箔破损等背面缺陷等多个正面缺陷，且对每个缺陷设定了相应的检测条件和流程，能够保证缺陷的高精度、高效检测，同时缺陷检测类型可基于设置的背面检测模板选定，通用性强。
本发明实施例还提供一种基于机器视觉的泡罩缺陷通用检测系统，本系统主要包括模板单元、检测单元以及光学方案。所述的模板单元配置用于获取模板图像，基于获取的模板图像，设置检测模板参数，所述的检测模板参数包括正面检测模板参数以及背面检测模板参数；其中，正面检测模板参数包括提取正面药板区域参数、提取药片/胶囊区域参数、正面缺陷检测项及对应缺陷检测参数，正面缺陷检测项包括空泡，压泡，胶囊破损，药片黑点，半粒，裂片，泡罩异物，胶囊漏液，钢号有无、缺损，PVC异物，网纹不清，密封不严，背面检测模板参数包括提取背面药板区域参数、提取批号区域参数、提取字符区域参数、背面缺陷检测项及对应缺陷检测参数，背面缺陷检测项包括批号有无、缺损、重叠，铝箔磨损、异物，铝箔破损。
所述的检测单元配置用于获取待检测图像，基于设置的检测模板参数，对采集的待检测图像进行正面缺陷检测以及背面缺陷检测，判断产品是否合格。
Claims (9)
1.一种基于机器视觉的泡罩缺陷通用检测方法，其特征在于，包括如下步骤：
采集模板图像，基于获取的模板图像，设置检测模板参数，所述的检测模板参数包括正面检测模板参数以及背面检测模板参数；
采集待检测图像，基于设置的检测模板参数，对采集的待检测图像进行正面缺陷检测以及背面缺陷检测，判断产品是否合格；
其中，正面检测模板参数包括提取正面药板区域参数、提取药片/胶囊区域参数、正面缺陷检测项及对应缺陷检测参数，正面缺陷检测项包括空泡，压泡，胶囊破损，药片黑点，半粒，裂片，泡罩异物，胶囊漏液，钢号有无、缺损，PVC异物，网纹不清，密封不严，
背面检测模板参数包括提取背面药板区域参数、提取批号区域参数、提取字符区域参数、背面缺陷检测项及对应缺陷检测参数，背面缺陷检测项包括批号有无、缺损、重叠，铝箔磨损、异物，铝箔破损。
2.根据权利要求1所述的基于机器视觉的泡罩缺陷通用检测方法，其特征在于，所述的正面检测模板参数设置包括如下步骤，
S11：采集待检测件的OK图和各种待检缺陷件的NG图；
S12：选择要检测的缺陷项；
S13：根据OK图设置提取药板区域参数，包括阈值分割的灰度值、形态学处理尺寸和筛选条件，同时将彩色图像转成灰度图，并拆分成R、G、B、H、S、V单通道图像；
S14：根据OK图设置提取药片/胶囊区域参数，包括选择的图像通道、药片数量、阈值分割的灰度值、形态学处理尺寸和筛选条件；
S15：根据S12选择的待检缺陷项以及对应的缺陷NG图逐一设置正面缺陷的检测参数，包括图像通道、阈值分割的灰度值、形态学处理尺寸和筛选条件的共有参数和缺陷各自独有参数；
S16：保存正面检测模板参数。
3.根据权利要求1所述的基于机器视觉的泡罩缺陷通用检测方法，其特征在于，所述的背面检测模板参数设置包括如下步骤，
S21：采集待检测件的OK图和各种待检缺陷件的NG图；
S22：选择待检测缺陷项；
S23：根据S21采集OK图设置提取药板区域参数，包括阈值分割的灰度值，形态学处理参数，筛选条件，计算药板区域中心点坐标和旋转角度，将药板区域中心平移到图像中心并转正；
S24：在S23校正后的OK图上用矩形框框出批号所在区域，作为批号检测区域，设置二值化处理阈值，膨胀尺寸以及筛选条件参数；
S25：设置背面字符提取参数，选定某一特征明显的字符作为定位字符，设置阈值提取灰度值和筛选条件，计算相邻定位字符在X或者Y方向的间距，以及非定位字符与定位字符之间的偏移量和尺寸；
S26：根据S22选择的待检测项，以及S21对应的缺陷件的NG图，逐一设置背面缺陷检测参数，包括阈值分割灰度值，形态学处理参数以及筛选条件；
S27：保存背面检测模板参数。
4.根据权利要求1所述的基于机器视觉的泡罩缺陷通用检测方法，其特征在于，正面缺陷检测包括如下步骤：
S31：采集待检测图像；
S32：并行处理S321和S322；
S321：获取正面检测模板参数，将彩色图像转换成灰度图，根据模板参数对灰度图像阈值分割，提取药板区域为待检测区域；
S322：将彩色图像拆分成R、G、B、H、S、V单通道图像；
S33：并行处理S331，S332，S333；
S331：根据模板参数对S321、S322中的某单通道图像进行二值化处理，根据筛选条件筛选药片/胶囊，提取药片/胶囊掩膜区域、泡罩掩膜区域，检测空泡缺陷，其中，泡罩掩膜区域为药片/胶囊掩膜区域膨胀一定尺寸后与自身的差集；
S332：若药板有钢号且需要检测该缺陷时执行：计算药板的中心点和角度，将药板绕中心点转正，根据模板参数生成钢号的检测区域，并检测钢号缺陷；
S333：药板有加强筋时执行：根据模板参数生成加强筋区域；
S34：并行处理S341、S342；
S341：检测药片/胶囊、泡罩相关缺陷，包括压泡、胶囊破损、药片黑点、半片、裂片、泡罩异物和软胶囊漏液缺陷，根据药片/胶囊数量将药片/胶囊分组，多个线程同时检测；
S342：提取掩膜PVC区域，其中，S321提取的药板区域去掉S331提取的药片/胶囊、泡罩掩膜区域，再去掉S332提取的钢号区域和S333提取的加强筋区域，剩余部分为PVC掩膜区域；
S35：S342执行完成执行S35，并行检测PVC异物、网纹不清、密封不严缺陷；
S36：判断S331、S332、S341、S35中检测到的缺陷数量，若缺陷数量等于0判定产品为合格件，大于0判定产品为不合格件；
上述，实际检测缺陷项依据正面检测模板参数选择的缺陷项确定。
5.根据权利要求4所述的基于机器视觉的泡罩缺陷通用检测方法，其特征在于，步骤S331中，检测空泡流程包括：若提取到的药片/胶囊数量少于实际药片/胶囊数量，则认为该产品有空泡，存在空泡缺陷；
步骤S332中，检测钢号流程包括：在检测区域内用局部自动阈值提取钢号，膨胀处理将钢号字符连接一起得到钢号实际区域。
6.根据权利要求4所述的基于机器视觉的泡罩缺陷通用检测方法，其特征在于，步骤S341中，每个线程具体检测流程如下：
检测压泡：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测药片/胶囊区域，二值化处理图像，筛选得到压泡缺陷；
检测胶囊破损：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测胶囊区域，二值化处理图像，筛选得到胶囊破损区域；
检测药片黑点：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测药片区域，增强图像对比度，让药片黑点更加明显，阈值分割、筛选得到缺陷区域；
检测半片：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测药片区域，药片区域拟合椭圆和药片区域进行与操作得到二者交集，计算拟合椭圆与交集的差的面积和拟合椭圆的高宽比，二者任一符合筛选条件，则判为半片缺陷；
检测裂片：获取检测模板参数，根据S331提取的药片/胶囊掩膜区域截取待检测药片区域，局部自动阈值提取裂片区域；
检测泡罩异物：获取检测模板参数，根据S331提取的泡罩掩膜区域截取待检测泡罩区域，阈值分割得到泡罩异物；
检测胶囊漏液：获取检测模板参数，根据S331提取的泡罩掩膜取样截取待检测泡罩区域，阈值分割提取漏液区域。
7.根据权利要求4所述的基于机器视觉的泡罩缺陷通用检测方法，其特征在于，步骤S35中，PVC异物、网纹不清、密封不严缺陷检测流程如下：
检测PVC异物：获取检测模板参数，根据S342提取的PVC掩膜区域截取待检测PVC区域，阈值分割提取PVC异物；
检测网纹不清和密封不严缺陷：获取检测模板参数，根据S342提取的PVC掩膜区域截取待检测PVC区域，局部自动阈值提取PVC网纹，闭运算将相邻网纹连接，非操作得到不连接的网纹区域，筛选大于一定面积的不连接网纹区域认为是网纹不清或密封不严缺陷。
8.根据权利要求1所述的基于机器视觉的泡罩缺陷通用检测方法，其特征在于，背面缺陷检测包括如下步骤：
S41：采集待检测图像；
S42：获取背面检测模板参数，阈值分割提取药板区域，计算药板区域中心点坐标和旋转角度，将药板区域中心平移到图像中心并转正；
S43：若药板有批号且需要检测时执行：根据模板参数得到批号检测区域，检测批号缺陷；
S44：若药板有字符且需要检测时执行：提取背面字符区域，阈值分割提取定位字符，将提取到的定位字符X方向或Y方向平移一定间距到未提取到的定位字符位置，得到所有定位字符位置，根据定位字符位置画出所有字符区域；
S45：提取铝箔区域，S42提取的药板区域减去S43提取的批号区域减去S44字符区域，剩下为铝箔区域；
S46：检测铝箔脏污缺陷；
S47：检测铝箔破损缺陷；
S8：判断S43、S46、S47中是否有缺陷，若不存在缺陷，判定产品为合格件，若存在缺陷，判定产品为不合格件；
上述，实际检测缺陷项依据背面检测模板参数选择的缺陷项确定。
9.根据权利要求8所述的基于机器视觉的泡罩缺陷通用检测方法，其特征在于，步骤S43中，检测批号缺陷流程包括：二值化提取批号区域，膨胀处理将批号字符连接一起得到最终的批号区域，判断批号区域是否符合筛选条件，不符合则批号有缺陷；
步骤S46中，检测铝箔脏污缺陷流程包括：获取检测模板参数，根据S45提取的铝箔区域掩膜截取待检测铝箔区域，二值化图像得到脏污区域，脏污数量大于0，则判断为有缺陷；
步骤S47中，检测铝箔破损缺陷流程包括：获取检测模板参数，根据S42提取的药板区域截取待检测药板区域，二值化处理得到破损区域，破损数量大于0，则判断为有缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211446071.5A CN115578380B (zh) | 2022-11-18 | 2022-11-18 | 一种基于机器视觉的泡罩缺陷通用检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211446071.5A CN115578380B (zh) | 2022-11-18 | 2022-11-18 | 一种基于机器视觉的泡罩缺陷通用检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115578380A true CN115578380A (zh) | 2023-01-06 |
| CN115578380B CN115578380B (zh) | 2023-03-17 |
Family
ID=84588014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211446071.5A Active CN115578380B (zh) | 2022-11-18 | 2022-11-18 | 一种基于机器视觉的泡罩缺陷通用检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115578380B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN107894431A (zh) * | 2017-12-29 | 2018-04-10 | 福建工程学院 | 一种基于机器视觉的两节式胶囊药板质检装置及方法 |
| CN109215026A (zh) * | 2018-09-29 | 2019-01-15 | 广东工业大学 | 一种基于机器视觉的高速准确led缺陷检测方法 |
| CN109727231A (zh) * | 2018-12-17 | 2019-05-07 | 江苏鸿祺生物科技有限公司 | 一种用于识别检测椭球型软胶囊的外观不规则缺陷的自比对检测方法 |
| 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 |
| CN110639840A (zh) * | 2019-11-05 | 2020-01-03 | 杭州升恒科技有限公司 | 一种全自动泡罩视觉检测机构及其检测方法 |
| CN111242177A (zh) * | 2020-01-02 | 2020-06-05 | 天津瑟威兰斯科技有限公司 | 基于卷积神经网络检测药品包装的方法、系统及设备 |
| CN112712496A (zh) * | 2020-12-16 | 2021-04-27 | 广州大学 | 铝泡罩包装药丸缺陷检测方法、系统和存储介质 |
| CN113399306A (zh) * | 2021-06-24 | 2021-09-17 | 菲特（天津）检测技术有限公司 | 基于药片视觉检测的光学设计系统、拍摄方法、控制器 |
| CN113781486A (zh) * | 2021-11-15 | 2021-12-10 | 新恒汇电子股份有限公司 | Ic卡图像缺陷检测方法 |
-
2022
- 2022-11-18 CN CN202211446071.5A patent/CN115578380B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN107894431A (zh) * | 2017-12-29 | 2018-04-10 | 福建工程学院 | 一种基于机器视觉的两节式胶囊药板质检装置及方法 |
| CN109215026A (zh) * | 2018-09-29 | 2019-01-15 | 广东工业大学 | 一种基于机器视觉的高速准确led缺陷检测方法 |
| CN109727231A (zh) * | 2018-12-17 | 2019-05-07 | 江苏鸿祺生物科技有限公司 | 一种用于识别检测椭球型软胶囊的外观不规则缺陷的自比对检测方法 |
| 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 |
| CN110639840A (zh) * | 2019-11-05 | 2020-01-03 | 杭州升恒科技有限公司 | 一种全自动泡罩视觉检测机构及其检测方法 |
| CN111242177A (zh) * | 2020-01-02 | 2020-06-05 | 天津瑟威兰斯科技有限公司 | 基于卷积神经网络检测药品包装的方法、系统及设备 |
| CN112712496A (zh) * | 2020-12-16 | 2021-04-27 | 广州大学 | 铝泡罩包装药丸缺陷检测方法、系统和存储介质 |
| CN113399306A (zh) * | 2021-06-24 | 2021-09-17 | 菲特（天津）检测技术有限公司 | 基于药片视觉检测的光学设计系统、拍摄方法、控制器 |
| CN113781486A (zh) * | 2021-11-15 | 2021-12-10 | 新恒汇电子股份有限公司 | Ic卡图像缺陷检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 姚爽;韩震宇;马鹏;郭羽鹏;胡杰;: "基于机器视觉的药用铝箔印刷品质检测系统" * |
| 朱元丰;: "在线喷印视觉检测系统的研究" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115578380B (zh) | 2023-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108776140B (zh) | 一种基于机器视觉的印刷品瑕疵检测方法及系统 | |
| WO2020248439A1 (zh) | 一种基于图像处理的皇冠盖表面缺陷在线检测方法 | |
| CN109308700A (zh) | 一种基于印刷品字符的视觉识别缺陷检测方法 | |
| CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
| CN106651857A (zh) | 一种印刷电路板贴片缺陷检测方法 | |
| CN111982921A (zh) | 孔缺陷的检测方法、装置、传送平台及存储介质 | |
| CN109461156B (zh) | 基于视觉的螺纹密封塞装配检测方法 | |
| CN102901735B (zh) | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 | |
| JP4747313B2 (ja) | 薄板状部品の検査方法と検査装置 | |
| CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
| CN113034488A (zh) | 一种喷墨印刷品的视觉检测方法 | |
| Cabral et al. | An intelligent vision system for detecting defects in glass products for packaging and domestic use | |
| JP2015114226A (ja) | 外観検査装置及び外観検査方法 | |
| CN112345534A (zh) | 一种基于视觉的泡罩板中颗粒的缺陷检测方法及系统 | |
| CN111766245A (zh) | 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 | |
| CN110596118A (zh) | 印刷图案检测方法及印刷图案检测装置 | |
| CN115578380B (zh) | 一种基于机器视觉的泡罩缺陷通用检测方法 | |
| CN113916893A (zh) | 模切产品缺陷的检测方法 | |
| Islam et al. | Image processing techniques for quality inspection of gelatin capsules in pharmaceutical applications | |
| KR102272745B1 (ko) | 컴팩트 카메라 모듈 덮개 외관 검사 시스템 및 방법 | |
| CN206740657U (zh) | 一种洗衣机薄膜开关的图像检测装置 | |
| CN110751070A (zh) | 一种摄像头成品检测方法 | |
| TWI816549B (zh) | 自動化瑕疵檢測方法 | |
| CN211697573U (zh) | 自动化印刷检测系统 | |
| Chavda et al. | Detection of defect in pharma-tablets using image processing |
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 |