機(jī)器視覺(jué)技術(shù)在藥品瓶包裝在線(xiàn)檢測(cè)的應(yīng)用

1、機(jī)器視覺(jué)技術(shù)在藥品瓶包裝在線(xiàn)檢測(cè)的應(yīng)用撰稿人：田耀華改編 備注：原作孫懷遠(yuǎn) 楊麗英 周夫之 發(fā)布時(shí)間：2011年4月8日 閱讀次數(shù)：908 摘要：介紹了基于HALCON機(jī)器視覺(jué)軟件的藥品玻璃瓶包裝在線(xiàn)檢測(cè)系統(tǒng)的硬件結(jié)構(gòu)組成、軟件平臺(tái)及結(jié)構(gòu)層次，以及在藥品瓶包裝批號(hào)、裝液量、標(biāo)簽檢測(cè)中的實(shí)際應(yīng)用；指出了檢測(cè)系統(tǒng)的特點(diǎn)與應(yīng)用前景。關(guān)鍵詞：機(jī)器視覺(jué)；藥品包裝；在線(xiàn)檢測(cè)；系統(tǒng)；應(yīng)用 機(jī)器視覺(jué)又稱(chēng)計(jì)算機(jī)視覺(jué)，是用計(jì)算機(jī)來(lái)實(shí)現(xiàn)人的視覺(jué)功能，也就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷2，它是利用光電成像系統(tǒng)采集被控目標(biāo)的圖像，經(jīng)計(jì)算機(jī)或?qū)Ｓ玫膱D像處理模塊進(jìn)行數(shù)字處理，根據(jù)圖像的像素分布、亮度和顏色等信息，進(jìn)行尺寸、

2、形狀、顏色等的識(shí)別。這樣就把計(jì)算機(jī)的快速性、可重復(fù)性與人眼視覺(jué)的高度智能化和抽象能力有機(jī)結(jié)合起來(lái)，大大提高了生產(chǎn)過(guò)程檢測(cè)的柔性和自動(dòng)化程度，節(jié)省大量的人力，提高檢驗(yàn)效率和確保產(chǎn)品質(zhì)量。機(jī)器視覺(jué)技術(shù)包含光源照明技術(shù)、光成像技術(shù)、傳感器技術(shù)、數(shù)字圖像處理技術(shù)、機(jī)械工程技術(shù)、檢測(cè)控制技術(shù)、模擬與數(shù)字視頻技術(shù)、計(jì)算機(jī)技術(shù)、人機(jī)接口技術(shù)等相關(guān)技術(shù)3，是實(shí)現(xiàn)計(jì)算機(jī)集成系統(tǒng)的基礎(chǔ)技術(shù)。因此，我們嘗試將機(jī)器視覺(jué)技術(shù)應(yīng)用于藥品包裝玻璃瓶質(zhì)量、標(biāo)簽、藥液裝量、包裝批號(hào)等在線(xiàn)檢測(cè)中，以實(shí)現(xiàn)藥品生產(chǎn)的快速、自動(dòng)檢測(cè)與控制。 1在線(xiàn)檢測(cè)系統(tǒng)構(gòu)建 視覺(jué)傳感系統(tǒng)的總體理論結(jié)構(gòu)可用圖1表示，這是所有視覺(jué)傳感系統(tǒng)的普遍原理及運(yùn)

3、行依據(jù)4。 圖像采集可通過(guò)觸發(fā)采集或連續(xù)采集，把目標(biāo)對(duì)象的光學(xué)特性變成二維信息的電信號(hào)，然后經(jīng)過(guò)數(shù)據(jù)采集卡或采集設(shè)備本身所帶的取樣和量化功能，將其轉(zhuǎn)化成數(shù)字圖像。之后，計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行處理，包括圖像的預(yù)處理、圖像增強(qiáng)、圖像分割、特征提取等一系列步驟，最后通過(guò)圖像分析進(jìn)行測(cè)量和判斷。1.2系統(tǒng)軟件平臺(tái)及結(jié)構(gòu)1.2.1系統(tǒng)軟件平臺(tái) 檢測(cè)系統(tǒng)軟件平臺(tái)由機(jī)器視覺(jué)軟件和智能化操作平臺(tái)組成，其主要任務(wù)是分別對(duì)各硬件部分實(shí)現(xiàn)程序控制，并實(shí)現(xiàn)硬件各部分的整合。目前廣泛使用的機(jī)器視覺(jué)軟件主要有HALCON、EVISION和XCALIPER等。本系統(tǒng)采用德國(guó)MVTec的HALCON8.0，它是一個(gè)功能強(qiáng)大的機(jī)

4、器視覺(jué)軟件，提供了一個(gè)全面的視覺(jué)處理庫(kù)，包括所有標(biāo)準(zhǔn)和高級(jí)的圖像處理方法，覆蓋了從不同的硬件采集圖像到高級(jí)的模式匹配算法。提供了機(jī)器視覺(jué)應(yīng)用程序中通常所需的一些工具，如Blob分析、形態(tài)學(xué)、模式識(shí)別、測(cè)量、數(shù)據(jù)分析等算法操作或分類(lèi)等，具有快速原型化和開(kāi)放結(jié)構(gòu)的重要特征，可通過(guò)交互編程環(huán)境迅速開(kāi)發(fā)機(jī)器視覺(jué)應(yīng)用程序，或加入新的算子來(lái)融合自己的視覺(jué)功能。所以，研發(fā)重心在于：根據(jù)需要，利用HALCON強(qiáng)大功能進(jìn)行二次開(kāi)發(fā)，以實(shí)現(xiàn)不同目標(biāo)的檢測(cè)。1.2.2系統(tǒng)軟件結(jié)構(gòu) 2檢測(cè)系統(tǒng)的應(yīng)用 2.1藥液裝量檢測(cè) 藥液裝量檢測(cè)實(shí)際上就是對(duì)瓶中液位進(jìn)行檢測(cè)。根據(jù)人的視覺(jué)原理，有效的邊緣是灰度值梯度變化最大的部分6

5、。實(shí)踐證明，瓶子封口邊緣與背景、瓶中液面與上方瓶身的灰度有顯著的不同，即可以對(duì)圖像根據(jù)灰度跳變點(diǎn)進(jìn)行測(cè)量。所以，本系統(tǒng)采用HALCON灰度值形態(tài)學(xué)算法對(duì)實(shí)時(shí)圖像進(jìn)行分割處理和分析。其步驟如下：2.2藥瓶批號(hào)檢測(cè) 針對(duì)藥品包裝瓶數(shù)字批號(hào)的檢測(cè)，我們采用HALCON的OCR圖像處理方法。OCR就是用于閱讀和識(shí)別符號(hào)的方法，它被定義成解釋圖像某區(qū)域的任務(wù)，這些區(qū)域包括獨(dú)立的字符，因此我們可以用OCR對(duì)批號(hào)中的單個(gè)數(shù)碼標(biāo)志進(jìn)行讀取。 (1)獲取圖像：同前，調(diào)用open_framegrabber、grab_image、read_image和dev_display算子進(jìn)行圖像采集、讀取和顯示，如圖7所示，

6、并將采集的玻璃瓶圖像存入HALCON圖庫(kù)中。 (2)處理圖像：采集后的圖像首先要經(jīng)過(guò)一定的預(yù)處理，包括灰度值調(diào)整、濾波、填充縫隙、圖像分割、去邊緣毛刺等，其目的就是為了使區(qū)域特征更加明顯，便于后續(xù)的批號(hào)數(shù)碼判斷操作。由于包裝瓶圖像的特點(diǎn)，使灰度值調(diào)節(jié)較為困難，致使整個(gè)圖像區(qū)域的黑白效果相近而影響了數(shù)字特征的提取。而圖像灰度的高階特征反映了缺陷的微小細(xì)節(jié)、圖像成像的曝光特性和噪聲干擾等特性7。為此，我們將數(shù)字部分隔離出來(lái)并進(jìn)行旋轉(zhuǎn)（如圖8），以降低圖像灰度值調(diào)整的難度。然后，調(diào)用threshold算子調(diào)節(jié)灰度值，使數(shù)字特征變?yōu)槊黠@。調(diào)整灰度后的數(shù)字圖像仍有黑色雜影，需采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)其進(jìn)行去

7、噪處理8。為此，調(diào)用fill_up_shape算子填充數(shù)字內(nèi)部的黑色部分，使圖像數(shù)字特征更為明顯；調(diào)用形態(tài)學(xué)算子opening_circle抑制雜波，以對(duì)深色部分進(jìn)行處理。實(shí)踐中發(fā)現(xiàn)灰度值調(diào)整與填充縫隙及濾波需要相互協(xié)調(diào)才能滿(mǎn)足在線(xiàn)檢測(cè)的要求。旋轉(zhuǎn)并去噪處理后的數(shù)字是水平排列的，調(diào)用closing_rectangle1、connection、intersection、sort_region等算子并設(shè)置相關(guān)參數(shù)對(duì)水平方向字符進(jìn)行合并、顯示白色、分離、返回、相連、排列、顯示等操作，從而得到處理好的圖像并顯示出來(lái)，如圖9所示。 (3)訓(xùn)練OCR：在軟件系統(tǒng)中進(jìn)行圖像處理運(yùn)算和判定，就是將采集的實(shí)時(shí)圖

8、像與系統(tǒng)中的“模板”進(jìn)行比對(duì),判斷合格與否，達(dá)到自動(dòng)識(shí)別8-9，然后輸出執(zhí)行信號(hào)?！澳０濉钡慕⒓从?xùn)練OCR需通過(guò)準(zhǔn)備訓(xùn)練文件、建立和訓(xùn)練OCR分類(lèi)器兩個(gè)步驟進(jìn)行。其中，定義數(shù)字串（如Trainingnumbers:=9，9，0，1，0，2）與需檢測(cè)的批號(hào)是直接相關(guān)的。 (4)識(shí)別數(shù)字：識(shí)別數(shù)字的過(guò)程就是讀取模板、處理圖形、識(shí)別對(duì)象的過(guò)程。首先，調(diào)用select_object、read_ocr_class_mlp算子選擇和讀取分類(lèi)文件即“模板”。然后，采用步驟(2)所述處理圖像的方法對(duì)新的目標(biāo)圖像進(jìn)行處理并顯示。最后,通過(guò)for循環(huán)及OCR中匹配度算子返回要求的匹配結(jié)果和匹配度。整個(gè)程序運(yùn)行的

9、結(jié)果如圖10所示。 (5)判斷決策：經(jīng)過(guò)數(shù)字識(shí)別后，當(dāng)匹配結(jié)果超出預(yù)設(shè)范圍時(shí)，則可做出決策，并通過(guò)剔除機(jī)構(gòu)剔除“不合格”瓶。2.3藥瓶標(biāo)簽檢測(cè) 檢測(cè)藥瓶標(biāo)簽狀態(tài)就是要檢測(cè)出藥瓶標(biāo)簽的位置以及“標(biāo)簽值”是否為“0”，這是一維測(cè)量。 (1)圖像采集與讀取: 同前，完成相機(jī)的參數(shù)設(shè)置，分別調(diào)用open_framegrabber、grab_image、read_image和dev_display等算子進(jìn)行圖像采集、讀取和顯示。操作中可以用set_framegrabber_param算子修改相機(jī)的曝光時(shí)間，確定最清晰圖像的曝光時(shí)間。 (2)定義ROI: 首先選取好一個(gè)感興趣的區(qū)域（ROI），修改Row、

10、Column、Length1和Length2 的值，使所選矩形框包含所要測(cè)量標(biāo)簽的整個(gè)部分。然后選取輪廓線(xiàn)（Profile Line），即在ROI內(nèi)要測(cè)量的那條射線(xiàn)（如圖11所示）。每一段射線(xiàn)的灰度值會(huì)被計(jì)算出來(lái)，這些連續(xù)的灰度值被稱(chēng)為物體的輪廓。 (3)選取成對(duì)的邊: 設(shè)置Threshole值，使整個(gè)瓶標(biāo)簽都落在上下兩個(gè)對(duì)邊線(xiàn)（一組）之間，如圖12所示。 (4)顯示結(jié)果: 當(dāng)瓶標(biāo)簽在ROI區(qū)域的對(duì)邊之間，并且區(qū)間的灰度值“符合”設(shè)定范圍時(shí)，則系統(tǒng)軟件將判斷為“合格”，如圖13所示而當(dāng)ROI區(qū)域內(nèi)無(wú)標(biāo)簽或標(biāo)簽超出ROI區(qū)域時(shí)，則因指定區(qū)間的灰度值不“符合”設(shè)定范圍而將被系統(tǒng)軟件判斷為“不合格”

11、，如圖14所示?！安缓细瘛逼繉⒈惶蕹龣C(jī)構(gòu)剔除。 3結(jié)論 本文的創(chuàng)新點(diǎn)在于：將機(jī)器視覺(jué)技術(shù)應(yīng)用于藥品瓶包裝檢測(cè)中，以機(jī)器代替人工完成檢測(cè)、分類(lèi)工作，符合GMP要求，實(shí)現(xiàn)了無(wú)接觸式檢測(cè)，具有準(zhǔn)確度高、速度快、檢測(cè)結(jié)果客觀(guān)等特點(diǎn)，這在藥品安全和檢測(cè)精度上都對(duì)傳統(tǒng)的人工檢測(cè)有著重大的改進(jìn)和突破，而且更是新建了一種適于現(xiàn)場(chǎng)在線(xiàn)檢測(cè)和控制的方法,同時(shí)能夠大幅降低檢驗(yàn)成本，提高勞動(dòng)生產(chǎn)率，并為操作者創(chuàng)造一個(gè)舒適的工作環(huán)境。該檢測(cè)系統(tǒng)體現(xiàn)的應(yīng)用技術(shù)是藥品生產(chǎn)企業(yè)實(shí)現(xiàn)計(jì)算機(jī)集成控制和數(shù)字化管理的基礎(chǔ)技術(shù)。所以，隨著國(guó)內(nèi)GMP的推廣和深入、生產(chǎn)自動(dòng)化程度和生產(chǎn)規(guī)模的不斷提高、以及用戶(hù)對(duì)質(zhì)量問(wèn)題日益重視，機(jī)器視覺(jué)技術(shù)將會(huì)在藥品生產(chǎn)中得到更廣泛的應(yīng)用和發(fā)展。 原作：孫懷遠(yuǎn)，楊麗英，周夫之. 基于機(jī)器視覺(jué)技術(shù)的藥品瓶包裝在線(xiàn)檢測(cè)系統(tǒng). 中國(guó)制藥裝備J.總6