CN117974644B - 一种胶囊药品质量视觉检测方法 - Google Patents
一种胶囊药品质量视觉检测方法 Download PDFInfo
- Publication number
- CN117974644B CN117974644B CN202410369866.3A CN202410369866A CN117974644B CN 117974644 B CN117974644 B CN 117974644B CN 202410369866 A CN202410369866 A CN 202410369866A CN 117974644 B CN117974644 B CN 117974644B
- Authority
- CN
- China
- Prior art keywords
- region
- target
- capsule
- suspected
- areas
- 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.)
- Active
Links
- 239000002775 capsule Substances 0.000 title claims abstract description 164
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 239000003814 drug Substances 0.000 title claims abstract description 19
- 230000000007 visual effect Effects 0.000 title abstract description 8
- 238000003708 edge detection Methods 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 47
- 230000000694 effects Effects 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 9
- 238000011179 visual inspection Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 229940079593 drug Drugs 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Endoscopes (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种胶囊药品质量视觉检测方法,包括:获取待检测多个胶囊的灰度图像;获取灰度图像中多个胶囊区域,通过对胶囊区域进行边缘检测获取灰度图像中所有疑似区域;根据疑似区域的形状分布对所有疑似区域进行筛选,获取所有目标疑似区域;根据目标疑似区域的延伸性以及每个目标疑似区域与其他目标区域的分布差异情况,获取每个目标疑似区域的反光区域可能程度;根据反光区域可能程度进行胶囊的质量检测。本发明提高了胶囊质量检测结果的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种胶囊药品质量视觉检测方法。
背景技术
在制药行业中,对胶囊的药品质量检测是胶囊生产过程中的重要环节之一;如果胶囊质量不合格,可能会导致生产成本增加、产品质量下降、客户投诉和市场信誉度受损等问题;在采用图像处理分析和评估胶囊质量时,由于存在光照和凹陷的影响,导致无法区分胶囊上的凹陷区域和裂缝区域,进而降低了胶囊质量检测结果的准确性。
发明内容
为了解决上述问题,本发明提供一种胶囊药品质量视觉检测方法,所述方法包括:
获取待检测多个胶囊的灰度图像;
获取灰度图像中多个胶囊区域,通过对胶囊区域进行边缘检测获取灰度图像中所有疑似区域;根据疑似区域的形状分布对所有疑似区域进行筛选,获取所有目标疑似区域;
根据每个目标疑似区域内像素点的灰度值的差异,获取每个目标疑似区域的延伸性;根据目标疑似区域的延伸性以及每个目标疑似区域与其他目标区域的分布差异情况,获取每个目标疑似区域的反光区域可能程度;
根据反光区域可能程度进行胶囊的质量检测。
优选的,所述获取灰度图像中多个胶囊区域,通过对胶囊区域进行边缘检测获取灰度图像中所有疑似区域,包括的具体方法为:
对灰度图像进行分水岭分割算法,得到灰度图像的多个区域,将每个区域作为一个连通域,将灰度图像中每个连通域均作为灰度图像的胶囊区域;对于灰度图像中任意一个胶囊区域,利用Canny边缘检测算法对所述胶囊区域进行边缘检测,获取所述胶囊区域的边缘检测结果图;将边缘检测结果图中边缘像素点对应在所述胶囊区域中的像素点,记为所述胶囊区域的目标像素点;将所述胶囊区域内目标像素点形成闭合区域,记为疑似区域。
优选的,所述根据疑似区域的形状分布对所有疑似区域进行筛选,获取所有目标疑似区域,包括的具体方法为:
预设一个第一阈值参数,对于灰度图像中任意一个胶囊区域内任意一个疑似区域,将所述疑似区域的外接矩形的长与所述疑似区域的外接矩形的宽的比值,记为所述疑似区域的第一比值;将灰度图像中所有疑似区域的第一比值进行线性归一化,将归一化后的第一比值记为第一比值因子;若所述疑似区域的第一比值因子大于或等于第一阈值参数,将所述疑似区域记为目标疑似区域。
优选的,所述根据每个目标疑似区域内像素点的灰度值的差异,获取每个目标疑似区域的延伸性,包括的具体方法为:
对于任意一个目标疑似区域,获取所述目标疑似区域的延伸像素点集合;
获取所述目标疑似区域的延伸性的计算方法为:
式中,表示目标疑似区域的延伸性;/>表示目标疑似区域的延伸像素点集合中所有像素点的总数量;/>表示目标疑似区域的延伸像素点集合中第/>个像素点的灰度值;/>表示目标疑似区域的延伸像素点集合中第/>个像素点的灰度值;/>表示取绝对值。
优选的,所述获取所述目标疑似区域的延伸像素点集合,包括的具体方法为:
将所述目标疑似区域的外接矩形的每个宽的中心点,均记为所述目标疑似区域的方向点;将左侧的所述目标疑似区域的方向点与右侧的所述目标疑似区域的方向点形成的直线,作为所述目标疑似区域的延伸方向直线;将所述目标疑似区域的延伸方向直线上的所有像素点,记为所述目标疑似区域的延伸像素点集合。
优选的,所述根据目标疑似区域的延伸性以及每个目标疑似区域与其他目标区域的分布差异情况,获取每个目标疑似区域的反光区域可能程度,包括的具体方法为:
获取灰度图像中每个胶囊区域的胶囊方向度数;
对于第个目标疑似区域,将灰度图像中除第/>个目标疑似区域以外的所有目标疑似区域构成区域集合,作为第/>个目标疑似区域的对比区域集合;根据第/>个目标疑似区域所属的胶囊区域的胶囊方向度数,获取第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度;
根据第个目标疑似区域的延伸性以及第/>个目标疑似区域与其他目标区域的分布差异情况,获取第/>个目标疑似区域的反光区域可能因子;
将所有目标疑似区域的反光区域可能因子进行线性归一化,将归一化后的反光区域可能因子记为反光区域可能程度。
优选的,所述获取灰度图像中每个胶囊区域的胶囊方向度数,包括的具体方法为:
对于灰度图像中任意一个胶囊区域,利用霍夫直线检测算法对所述胶囊区域进行直线检测,获取所述胶囊区域的所有直线,将所述胶囊区域的所有直线按照直线长度从大到小进行排序,获取排序后的直线集合并记为所述胶囊区域的第一直线集合;将所述胶囊区域的第一直线集合中前两个直线,均记为所述胶囊区域的目标直线;将两个所述胶囊区域的目标直线与水平方向的夹角的均值,作为所述胶囊区域的胶囊方向度数。
优选的,所述根据第个目标疑似区域所属的胶囊区域的胶囊方向度数,获取第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度的具体公式为:
式中,表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度;/>表示第/>个目标疑似区域所属的胶囊区域的胶囊方向度数;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域所属的胶囊区域的胶囊方向度数;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的延伸性;/>表示取绝对值;表示取正弦值;/>表示预设的超参数。
优选的,所述根据第个目标疑似区域的延伸性以及第/>个目标疑似区域与其他目标区域的分布差异情况,获取第/>个目标疑似区域的反光区域可能因子的具体公式为:
式中,表示第/>个目标疑似区域的反光区域可能因子;/>表示第/>个目标疑似区域的对比区域集合中所有目标疑似区域的总数量;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度;/>表示第/>个目标疑似区域的延伸方向度数;表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的延伸方向度数;/>表示第/>个目标疑似区域的延伸性;/>表示取绝对值;/>表示取正弦值;/>表示预设的超参数。
优选的,所述根据反光区域可能程度进行胶囊的质量检测,包括的具体方法为:
预设一个第二阈值参数,对于灰度图像中任意一个目标疑似区域,若所述目标疑似区域的反光区域可能程度小于第二阈值参数/>,将所述目标疑似区域记为裂缝区域,将每个裂缝区域所属的胶囊区域记为劣质胶囊。
本发明的技术方案的有益效果是:本发明根据每个目标疑似区域内像素点的灰度值的差异,获取每个目标疑似区域的延伸性;根据目标疑似区域的延伸性以及每个目标疑似区域与其他目标区域的分布差异情况,获取每个目标疑似区域的反光区域可能程度;通过对每个疑似区域的形状和反光性质进行分析,将反光区域、凹陷区域和裂缝区域进行区分,排除反光区域和凹陷区域对裂缝检测的干扰,进而提高了胶囊质量检测结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种胶囊药品质量视觉检测方法的步骤流程图;
图2为本发明一种胶囊药品质量视觉检测方法的特征关系流程图;
图3为本发明一种胶囊药品质量视觉检测方法的待检测多个胶囊的灰度图像。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种胶囊药品质量视觉检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种胶囊药品质量视觉检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种胶囊药品质量视觉检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取待检测多个胶囊的灰度图像。
具体的,首先需要采集待检测胶囊的灰度图像,具体过程为:
将待检测的多个胶囊药品水平平坦置于拍摄台上,通过CCD相机对待检测的多个胶囊药品进行拍摄,获取待检测多个胶囊图像,对待检测多个胶囊图像进行中值滤波去噪和灰度化操作获取待检测多个胶囊的灰度图像;请参阅图3,其示出了一种胶囊药品质量视觉检测方法的待检测多个胶囊的灰度图像。其中,中值滤波和灰度化操作为现有技术,本实施例此处不做过多赘述。
至此,通过上述方法得到待检测多个胶囊的灰度图像。
步骤S002:获取灰度图像中多个胶囊区域,通过对胶囊区域进行边缘检测获取灰度图像中所有疑似区域;根据疑似区域的形状分布对所有疑似区域进行筛选,获取所有目标疑似区域。
需要说明的是,灰度图像中每个胶囊可能存在着由反光、裂缝和凹陷导致形成的多个区域;其中,在胶囊的两个头部形成的反光区域的形状大多是小圆点,而凹陷引起的反光区域的形状也大多呈现类似形状;而裂缝区域的形状以及胶囊中间的所形成的反光区域的形状,则呈现长线或长条状,由此可通过边缘检测确定的多个区域的形状,将头部形成的反光区域和凹陷引起的反光区域进行排除掉;由于胶囊上的裂缝、反光和凹陷等原因,会导致胶囊上该区域与正常区域的灰度值存在大的变化,因此可以通过对图像进行边缘检测获取多个疑似区域。
具体的,对灰度图像进行分水岭分割算法,得到灰度图像的多个区域,将每个区域作为一个连通域,将灰度图像中每个连通域均作为灰度图像的胶囊区域;对于灰度图像中任意一个胶囊区域,利用Canny边缘检测算法对所述胶囊区域进行边缘检测,获取所述胶囊区域的边缘检测结果图;将边缘检测结果图中边缘像素点对应在所述胶囊区域中的像素点,记为所述胶囊区域的目标像素点;将所述胶囊区域内目标像素点形成闭合区域,记为疑似区域;获取灰度图像中所有疑似区域。
其中,分水岭分割算法和Canny边缘检测算法为现有技术,本实施例此处不作过多赘述。
需要说明的是,由于反光在胶囊两端的半球形头部形成的疑似区域的形状大多为圆形或近似圆形的小亮斑,而在胶囊中间形成的疑似区域的形状为比较平直的圆柱形区域,形成的大多是形成的疑似区域的形状;而对于凹陷,在图像中由于其形状多为不规则,会由于各种凸起的尖锐区域形成反光,其边缘检测后所形成疑似区域的形状和胶囊头部的反光所形成的疑似区域的形状结果相同;而对于裂缝区域所形成的疑似区域,其形状多为细长条状,其形状也同胶囊中间的反光所形成的结果类似;因此将疑似区域根据形状可以分为:胶囊头部反光和凹陷所形成的小圆形区域,以及胶囊中间部分反光和裂缝区域所形成的细长状区域。
预设一个第一阈值参数,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
具体的,对于灰度图像中任意一个胶囊区域内任意一个疑似区域,将所述疑似区域的外接矩形的长与所述疑似区域的外接矩形的宽的比值,记为所述疑似区域的第一比值;将灰度图像中所有疑似区域的第一比值进行线性归一化,将归一化后的第一比值记为第一比值因子;若所述疑似区域的第一比值因子大于或等于第一阈值参数,将所述疑似区域记为目标疑似区域。
至此,通过上述方法得到灰度图像的所有目标疑似区域。
步骤S003:根据每个目标疑似区域内像素点的灰度值的差异,获取每个目标疑似区域的延伸性;根据目标疑似区域的延伸性以及每个目标疑似区域与其他目标区域的分布差异情况,获取每个目标疑似区域的反光区域可能程度。
1.获取每个目标疑似区域的延伸性。
需要说明的是,对于目标疑似区域,由于反光形成的目标疑似区域的中心的亮度要比区域边缘的亮度高,也即反光形成的目标疑似区域中心区域的灰度值接近255,但伴随着越靠近目标疑似区域的边缘,其灰度值呈规律性下降;而由于裂缝形成的目标疑似区域的灰度值则基本上趋于一致,不会发生太大的改变,也即反光所具有的延伸性;因此可以通过对目标疑似区域内的灰度值变化来判断该目标疑似区域的反光延伸性,以此来判断其属于反光区域的可能性。
具体的,对于任意一个目标疑似区域,将所述目标疑似区域的外接矩形的每个宽的中心点,均记为所述目标疑似区域的方向点;将左侧的所述目标疑似区域的方向点与右侧的所述目标疑似区域的方向点形成的直线,作为所述目标疑似区域的延伸方向直线;将所述目标疑似区域的延伸方向直线上的所有像素点,记为所述目标疑似区域的延伸像素点集合。
根据每个目标疑似区域内像素点的灰度值的差异,获取每个目标疑似区域的延伸性。
作为一种示例,获取任意一个目标疑似区域的延伸性的计算方法为:
式中,表示任意一个目标疑似区域的延伸性;/>表示目标疑似区域的延伸像素点集合中所有像素点的总数量;/>表示目标疑似区域的延伸像素点集合中第/>个像素点的灰度值;/>表示目标疑似区域的延伸像素点集合中第/>个像素点的灰度值;/>表示取绝对值。
至此,获得每个目标疑似区域的延伸性。
2.获取每个目标疑似区域的反光区域可能程度。
需要说明的是,由于光照的方向是一致的,因此对于排布方向一致的胶囊来说,由于光照产生的反光,其反光区域的位置也是一致的,而裂缝区域则存在随机性;由此可以通过与目标疑似区域所在的胶囊方向的一致性和目标疑似区域在胶囊上同一位置的延伸方向的一致性以及胶囊上同一位置的延伸性确定目标疑似区域属于反光区域的可能性。
具体的,对于灰度图像中任意一个胶囊区域,利用霍夫直线检测算法对所述胶囊区域进行直线检测,获取所述胶囊区域的所有直线,将所述胶囊区域的所有直线按照直线长度从大到小进行排序,获取排序后的直线集合并记为所述胶囊区域的第一直线集合;将所述胶囊区域的第一直线集合中前两个直线,均记为所述胶囊区域的目标直线;将两个所述胶囊区域的目标直线与水平方向的夹角的均值,作为所述胶囊区域的胶囊方向度数。
需要说明的是,局部反光区域的方向一致性主要基于相同方向的胶囊分布,而一般多个区域方向的一致性主要根据当前单个区域的方向与其他区域方向的差异关系,也即对于单个目标疑似区域所在的胶囊方向的一致性,则为该目标疑似区域与其他目标疑似区域所在的胶囊方向的差异,其中方向差异越大,一致性越低;并且其他目标疑似区域作为当前目标疑似区域延伸方向的对比,其本身所在的胶囊与当前目标疑似区域所在胶囊的方向越一致,所述其他目标疑似区域的对比效果越高;同时其他目标疑似区域的延伸性越高,其对比效果越高。
具体的,根据目标疑似区域的延伸性,获取每个目标疑似区域的对比区域集合中每个目标疑似区域的对比效果程度;对于第个目标疑似区域,将灰度图像中除第/>个目标疑似区域以外的所有目标疑似区域构成区域集合,作为第/>个目标疑似区域的对比区域集合。
作为一种示例,获取第个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度的计算方法为:
式中,表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度;/>表示第/>个目标疑似区域所属的胶囊区域的胶囊方向度数;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域所属的胶囊区域的胶囊方向度数;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的延伸性;/>表示取绝对值;表示取正弦值;/>表示预设的超参数,本实施预设/>,用于防止分母为0。
进一步,根据目标疑似区域的延伸性以及每个目标疑似区域与其他目标区域的分布差异情况,获取每个目标疑似区域的反光区域可能程度。将第个目标疑似区域的延伸方向直线与水平方向的夹角,记为第/>个目标疑似区域的延伸方向度数。
作为一种示例,获取第个目标疑似区域的反光区域可能因子的计算方法为:
式中,表示第/>个目标疑似区域的反光区域可能因子;/>表示第/>个目标疑似区域的对比区域集合中所有目标疑似区域的总数量;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度;/>表示第/>个目标疑似区域的延伸方向度数;表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的延伸方向度数;/>表示第/>个目标疑似区域的延伸性;/>表示取绝对值;/>表示取正弦值;/>表示预设的超参数,本实施预设/>,用于防止分母为0。
将所有目标疑似区域的反光区域可能因子进行线性归一化,将归一化后的反光区域可能因子记为反光区域可能程度。
至此,通过上述方法得到每个目标疑似区域的反光区域可能程度。
步骤S004:根据反光区域可能程度进行胶囊的质量检测。
预设一个第二阈值参数,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
具体的,对于灰度图像中任意一个目标疑似区域,若所述目标疑似区域的反光区域可能程度小于第二阈值参数,将所述目标疑似区域记为裂缝区域,将每个裂缝区域所属的胶囊区域记为劣质胶囊。
至此,本实施例完成;请参阅图2,其示出了一种胶囊药品质量视觉检测方法的特征关系流程图。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种胶囊药品质量视觉检测方法,其特征在于,该方法包括以下步骤:
获取待检测多个胶囊的灰度图像;
获取灰度图像中多个胶囊区域,通过对胶囊区域进行边缘检测获取灰度图像中所有疑似区域;根据疑似区域的形状分布对所有疑似区域进行筛选,获取所有目标疑似区域;
根据每个目标疑似区域内像素点的灰度值的差异,获取每个目标疑似区域的延伸性;根据目标疑似区域的延伸性以及每个目标疑似区域与其他目标区域的分布差异情况,获取每个目标疑似区域的反光区域可能程度;
根据反光区域可能程度进行胶囊的质量检测;
所述获取灰度图像中多个胶囊区域,通过对胶囊区域进行边缘检测获取灰度图像中所有疑似区域,包括的具体方法为:
对灰度图像进行分水岭分割算法,得到灰度图像的多个区域,将每个区域作为一个连通域,将灰度图像中每个连通域均作为灰度图像的胶囊区域;对于灰度图像中任意一个胶囊区域,利用Canny边缘检测算法对所述胶囊区域进行边缘检测,获取所述胶囊区域的边缘检测结果图;将边缘检测结果图中边缘像素点对应在所述胶囊区域中的像素点,记为所述胶囊区域的目标像素点;将所述胶囊区域内目标像素点形成闭合区域,记为疑似区域;
所述根据疑似区域的形状分布对所有疑似区域进行筛选,获取所有目标疑似区域,包括的具体方法为:
预设一个第一阈值参数,对于灰度图像中任意一个胶囊区域内任意一个疑似区域,将所述疑似区域的外接矩形的长与所述疑似区域的外接矩形的宽的比值,记为所述疑似区域的第一比值;将灰度图像中所有疑似区域的第一比值进行线性归一化,将归一化后的第一比值记为第一比值因子;若所述疑似区域的第一比值因子大于或等于第一阈值参数/>,将所述疑似区域记为目标疑似区域;
所述根据每个目标疑似区域内像素点的灰度值的差异,获取每个目标疑似区域的延伸性,包括的具体方法为:
对于任意一个目标疑似区域,获取所述目标疑似区域的延伸像素点集合;
获取所述目标疑似区域的延伸性的计算方法为:
式中,表示目标疑似区域的延伸性;/>表示目标疑似区域的延伸像素点集合中所有像素点的总数量;/>表示目标疑似区域的延伸像素点集合中第/>个像素点的灰度值;/>表示目标疑似区域的延伸像素点集合中第/>个像素点的灰度值;/>表示取绝对值;
所述根据目标疑似区域的延伸性以及每个目标疑似区域与其他目标区域的分布差异情况,获取每个目标疑似区域的反光区域可能程度,包括的具体方法为:
获取灰度图像中每个胶囊区域的胶囊方向度数;
对于第个目标疑似区域,将灰度图像中除第/>个目标疑似区域以外的所有目标疑似区域构成区域集合,作为第/>个目标疑似区域的对比区域集合;根据第/>个目标疑似区域所属的胶囊区域的胶囊方向度数,获取第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度;
根据第个目标疑似区域的的延伸性以及第/>个目标疑似区域与其他目标区域的分布差异情况,获取第/>个目标疑似区域的反光区域可能因子;
将所有目标疑似区域的反光区域可能因子进行线性归一化,将归一化后的反光区域可能因子记为反光区域可能程度;
所述根据第个目标疑似区域所属的胶囊区域的胶囊方向度数,获取第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度的具体公式为:
式中,表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度;/>表示第/>个目标疑似区域所属的胶囊区域的胶囊方向度数;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域所属的胶囊区域的胶囊方向度数;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的延伸性;/>表示取绝对值;/>表示取正弦值;/>表示预设的超参数;
所述根据第个目标疑似区域的的延伸性以及第/>个目标疑似区域与其他目标区域的分布差异情况,获取第/>个目标疑似区域的反光区域可能因子的具体公式为:
式中,表示第/>个目标疑似区域的反光区域可能因子;/>表示第/>个目标疑似区域的对比区域集合中所有目标疑似区域的总数量;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的对比效果程度;/>表示第/>个目标疑似区域的延伸方向度数;/>表示第/>个目标疑似区域的对比区域集合中第/>个目标疑似区域的延伸方向度数;/>表示第/>个目标疑似区域的延伸性;/>表示取绝对值;/>表示取正弦值;/>表示预设的超参数。
2.根据权利要求1所述一种胶囊药品质量视觉检测方法,其特征在于,所述获取所述目标疑似区域的延伸像素点集合,包括的具体方法为:
将所述目标疑似区域的外接矩形的每个宽的中心点,均记为所述目标疑似区域的方向点;将左侧的所述目标疑似区域的方向点与右侧的所述目标疑似区域的方向点形成的直线,作为所述目标疑似区域的延伸方向直线;将所述目标疑似区域的延伸方向直线上的所有像素点,记为所述目标疑似区域的延伸像素点集合。
3.根据权利要求1所述一种胶囊药品质量视觉检测方法,其特征在于,所述获取灰度图像中每个胶囊区域的胶囊方向度数,包括的具体方法为:
对于灰度图像中任意一个胶囊区域,利用霍夫直线检测算法对所述胶囊区域进行直线检测,获取所述胶囊区域的所有直线,将所述胶囊区域的所有直线按照直线长度从大到小进行排序,获取排序后的直线集合并记为所述胶囊区域的第一直线集合;将所述胶囊区域的第一直线集合中前两个直线,均记为所述胶囊区域的目标直线;将两个所述胶囊区域的目标直线与水平方向的夹角的均值,作为所述胶囊区域的胶囊方向度数。
4.根据权利要求1所述一种胶囊药品质量视觉检测方法,其特征在于,所述根据反光区域可能程度进行胶囊的质量检测,包括的具体方法为:
预设一个第二阈值参数,对于灰度图像中任意一个目标疑似区域,若所述目标疑似区域的反光区域可能程度小于第二阈值参数/>,将所述目标疑似区域记为裂缝区域,将每个裂缝区域所属的胶囊区域记为劣质胶囊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410369866.3A CN117974644B (zh) | 2024-03-29 | 2024-03-29 | 一种胶囊药品质量视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410369866.3A CN117974644B (zh) | 2024-03-29 | 2024-03-29 | 一种胶囊药品质量视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117974644A CN117974644A (zh) | 2024-05-03 |
CN117974644B true CN117974644B (zh) | 2024-06-11 |
Family
ID=90846314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410369866.3A Active CN117974644B (zh) | 2024-03-29 | 2024-03-29 | 一种胶囊药品质量视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117974644B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134924B (zh) * | 2024-05-07 | 2024-07-23 | 浙江富昌机械有限公司 | 基于图像处理的硬胶囊填充机剔除废囊智能检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018032626A1 (zh) * | 2016-08-19 | 2018-02-22 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其数字识别方法 |
CN114299144A (zh) * | 2021-12-28 | 2022-04-08 | 华南农业大学 | 一种基于机器视觉的水稻精准定位方法 |
WO2023042273A1 (ja) * | 2021-09-14 | 2023-03-23 | 日本電気株式会社 | 画像処理装置、画像処理方法及び記憶媒体 |
CN116071387A (zh) * | 2023-03-06 | 2023-05-05 | 曲阜市巨力铁路轨道工程股份有限公司 | 基于机器视觉的枕轨生产质量检测方法 |
WO2023134791A2 (zh) * | 2022-12-16 | 2023-07-20 | 苏州迈创信息技术有限公司 | 一种环境安防工程监测数据管理方法及系统 |
WO2023134789A1 (zh) * | 2022-10-25 | 2023-07-20 | 苏州德斯米尔智能科技有限公司 | 一种用于带式输送设备的自动检测方法 |
CN117557573A (zh) * | 2024-01-12 | 2024-02-13 | 群亿光电(深圳)有限公司 | 基于计算机视觉的oca膜气泡检测方法 |
CN117764990A (zh) * | 2024-02-22 | 2024-03-26 | 苏州悦昇精密机械制造有限公司 | 一种机箱冲压质量检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815630B (zh) * | 2020-08-28 | 2020-12-15 | 歌尔股份有限公司 | 一种用于lcd屏幕的缺陷检测方法、装置 |
CN112348773B (zh) * | 2020-09-28 | 2022-09-23 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
-
2024
- 2024-03-29 CN CN202410369866.3A patent/CN117974644B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018032626A1 (zh) * | 2016-08-19 | 2018-02-22 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其数字识别方法 |
WO2023042273A1 (ja) * | 2021-09-14 | 2023-03-23 | 日本電気株式会社 | 画像処理装置、画像処理方法及び記憶媒体 |
CN114299144A (zh) * | 2021-12-28 | 2022-04-08 | 华南农业大学 | 一种基于机器视觉的水稻精准定位方法 |
WO2023134789A1 (zh) * | 2022-10-25 | 2023-07-20 | 苏州德斯米尔智能科技有限公司 | 一种用于带式输送设备的自动检测方法 |
WO2023134791A2 (zh) * | 2022-12-16 | 2023-07-20 | 苏州迈创信息技术有限公司 | 一种环境安防工程监测数据管理方法及系统 |
CN116071387A (zh) * | 2023-03-06 | 2023-05-05 | 曲阜市巨力铁路轨道工程股份有限公司 | 基于机器视觉的枕轨生产质量检测方法 |
CN117557573A (zh) * | 2024-01-12 | 2024-02-13 | 群亿光电(深圳)有限公司 | 基于计算机视觉的oca膜气泡检测方法 |
CN117764990A (zh) * | 2024-02-22 | 2024-03-26 | 苏州悦昇精密机械制造有限公司 | 一种机箱冲压质量检测方法 |
Non-Patent Citations (4)
Title |
---|
1种基于邻域相关性改进的农业图像中值滤波算法;裴连群;高洪玉;;江苏农业科学;20150925(第09期);全文 * |
Capsule image segmentation in pharmaceutical applications using edge-based techniques;Mohammed J. Islam等;《2011 IEEE INTERNATIONAL CONFERENCE ON ELECTRO/INFORMATION TECHNOLOGY》;20110808;全文 * |
冲压磨削平板类零件的表面缺陷检测;陈麒麟;王东兴;林建钢;田洪志;;锻压技术;20200618(第06期);全文 * |
基于Canny算子的透明物质缺陷检测;熊长炜;舒雨锋;范四立;刘志伟;梅阳寒;;信息与电脑(理论版);20171223(第24期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117974644A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117974644B (zh) | 一种胶囊药品质量视觉检测方法 | |
CN114723701B (zh) | 基于计算机视觉的齿轮缺陷检测方法和系统 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN103914827B (zh) | 汽车密封条轮廓缺陷的视觉检测方法 | |
CN110517265B (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
US20060029257A1 (en) | Apparatus for determining a surface condition of an object | |
CN116703910B (zh) | 一种混凝土预制底板质量智能检测方法 | |
CN115205290B (zh) | 一种pcb板生产过程在线检测方法及系统 | |
WO2018170937A1 (zh) | 遮蔽采集图像中异物的标记体、识别图像中异物标记体的方法以及书籍扫描方法 | |
CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN117095004B (zh) | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 | |
CN115330772A (zh) | 一种在线焊点质量检测方法 | |
CN111753794B (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
CN116612125B (zh) | 基于人工智能的食药品胶囊质量检测方法 | |
CN116823822A (zh) | 基于视觉特征的船艇钣金件焊接缺陷检测方法 | |
CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
CN118071753A (zh) | 一种注塑模具表面缺陷视觉检测方法 | |
CN117611589B (zh) | 一种平板电脑质量检测方法及系统 | |
CN117635609A (zh) | 一种塑胶产品生产质量视觉检测方法 | |
CN118470015A (zh) | 一种钛合金棒生产质量视觉检测方法及系统 | |
CN113610753B (zh) | 一种提取舌像的加博纹理特征的方法、装置及存储介质 | |
CN115018785A (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN116703912B (zh) | 一种迷你主机网口完整性视觉检测方法 | |
CN116309589B (zh) | 钣金件表面缺陷检测方法、装置、电子设备及存储介质 | |
CN114494099B (zh) | 大米加工精度的检测方法、设备以及存储介质 |
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 |