软胶囊药板的机器视觉检测系统关键技术研究

彭彦卿杨永通陈李清

（1.厦门理工学院电气工程与自动化学院，厦门 361024；2.国药控股星鲨制药（厦门）有限公司，厦门 361026 ）



软胶囊药板的机器视觉检测系统关键技术研究

彭彦卿1杨永通1陈李清2

（1.厦门理工学院电气工程与自动化学院，厦门 361024；2.国药控股星鲨制药（厦门）有限公司，厦门 361026 ）

摘 要基于机器视觉的软胶囊产品质量检测系统通过图像采集硬件将被检测软胶囊产品药板转换成图像信号，并传达给专用的图像处理系统。图像处理系统根据像素亮度、颜色分布等信息，抽取目标特征进行建模，建立缺陷图像数据库，通过图像处理和模式识别算法，判断药板是否存在质量问题，并将存在质量问题的药板从生产线上自动剔除。大量实验表明，检测准确率为99.7%以上，识别速率达2 400粒/ min。

关键词机器视觉；软胶囊药板；图像采集；缺陷监测

软胶囊产品是制药行业中一种量大面广的产品，在生产过程中由于产量大、单粒价格低，不合格品情况非常复杂。具体而言：有因厚薄边引起的歪形丸、歪头丸及其它异形丸，有漏油丸、空壳丸、扁平丸、汽泡丸，还有多粒粘结在一起的胶丸、有黑点或其它杂质的胶丸，及含油量不足的瘦丸和含油量太多的胖丸等多种不合格胶丸。长久以来国内软胶囊产品的厂家一直都是采用人工筛选的方法。由于工人受情绪、环境、自身视力等因素影响，加上劳动强度大，会降低检测效率，致使部分不合格产品无法及时剔除。国内外也无相关设备的信息，多年来参加国内、国际药机展，咨询国内外设备产商，尚未发现用于软胶囊生产线上的自动检测系统[1]。基于机器视觉的软胶囊药板质量检测系统的开发，克服了人工检测效率低、劳动强度大等方面的不足，将实现软胶囊产品的完全自动化生产，节约人力成本，提高生产效率和产品的合格率及稳定性，具有非常重要的意义。

1 软胶囊药板机器视觉检测系统的平台构成

1.1 机器视觉检测系统的结构构成

设计硬件系统首先必须保证原有生产线的生产速度，目前用于软胶囊产品生产线的铝塑泡罩机最快包装速度为300板/ min，两板同时检测的算法检测时间必须小于200 ms /片（1 ms = 0.001 s）。光学设备选型需考虑目标呈透明状、生产线震动、背景环境多变等问题，实现该系统的光学设备对生产线环境具有自适应性，能够根据生产环境的光线及生产线速度进行自适应调整。根据长期测试选择采用德国IDS 200万像素工业相机，日本Computar工业镜头，专用光源和闪光控制器的效果比较好。

计算机处理与控制系统主要由图像处理、计算机系统智能处理、控制输出三个部分组成，功能是将图像采集系统采集的图像特征信息输入到计算机系统里面，经过计算机的运算处理，通过控制输出单元输出控制信号。它包含电源分配系统、计算机主机、像机触发电路、延时电路、输出脉冲调理电路和各种外围接口电路及相应的键盘鼠标。

输出执行系统有PLC 和机电执行机构二个部分，功能是将控制输出单元的控制信号经过PLC运算，运算的指令经PLC的I/O口，控制机电剔除机构执行，将不合格的软胶囊产品剔除，保证合格的产品输出。

视觉检测系统硬件架构如图1所示。

1.2 机器视觉检测系统的工作原理

软胶囊产品进入冲填的泡罩后，泡罩在封合前，利用机器视觉检测系统的CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征实现自动识别功能。

图1 视觉检测系统硬件架构Fig.1 The hardware architecture of visual inspection system

机器视觉检测系统的处理流程图如图2所示，首先利用传感器启动触发拍照，获取图片。然后进行模板匹配，获得泡罩具体位置。并对泡罩内部的药丸进行自动阈值分割[2]，获得药丸外轮廓，计算药丸面积。若泡罩内无分割结果，则判为缺粒。若药丸面积未在设定范围内，则判为药丸异形。

在此基础上，分离软胶囊胶丸丸身及丸尾。计算丸身的长、宽、圆度，丸尾的长、宽、与水平线的夹角等参数。若计算结果未在设定范围内，则判断为药丸异形。此部分需分两步来实现：首先是获得丸身上半部分，计算丸身上半槽的长、宽参数，若计算结果不在设定范围内，则判断为药丸异形；然后是获得丸身上半弧线。计算弧线的长度、弧线的峰数（极大值个数）、弧线峰点距弧线最左端、最右端的距离，若计算结果未在设定范围内，则判断为药丸异形。

对非异形软胶囊胶丸，只需获得丸身内部检测区域。用内部区域滤波值对内部检测区域进行滤波，并进行阈值分割，提取分割结果面积大于内部其它缺陷最小面积的部分。滤波值越小，图像越清晰，检测越严格。若提取结果不为空，则判为内部缺陷。

在此基础上，对内部区域进行灰度增强，提取灰度小于小黑点提取阈值的区域，再筛选出不在缝合线内且区域直径大于最小黑点直径（单位为mm）的区域。小黑点提取阈值越大，检测越严格，越容易检测出黑点。若筛选结果不为空，则判断该粒药丸为内部缺陷药丸。最终对缺陷检测结果整合、统计、显示。

图 2 视觉检测系统的处理流程图Fig.2 The processing flow chart of visual inspection system

2 软胶囊药板机器视觉检测软件系统的研究

2.1 药板区域图像提取

通过原始图像提取药板区域的过程中主要采取基于边缘的分割方法[3]。基于边缘的分割依赖于由边缘检测算子找到的图像边缘，这些边缘标示出了图像在灰度、彩色、纹理等方面不连续的位置。目的是将局部边缘聚合到一幅图像中，使其中只出现对应于存在的物体或图像部分的边缘链。

常用的边缘检测算法有Laplacian变换、Prewitt变换、Diff变换和Roberts变换等。其中Laplacian变换对噪声很敏感，Diff差分算子带有较强的方向性和噪声敏感性，容易造成轮廓失真。经过反复试验发现Roberts算法对胶囊的边缘提取效果最好。它的卷积掩膜是：

边缘的幅值计算如下：

式中 f (i, j )表示对应于第 i 行、第 j 列的像素点灰度值。

检测系统对药板采用边缘分割的算法，在原始图像中提取了药板区域图像，减少了检测的计算量，提高了检测精度。此外边缘切割提供了对泡罩里软胶囊胶丸的处理模板匹配，获得泡罩里在测的每粒软胶囊的具体位置。如图3所示：

图 3 提取后药板区域图像Fig.3 The image of medicine plate area after extracting

2.2 药板图像预处理

在监测过程中，由于光源的不稳定性以及噪声的污染，容易造成图像质量不清晰的结果，给图像分析造成了难度。因此在图像分析之前需对药品图像进行预处理，一般包括图像增强、图像复原、图像编码等，常用图像增强和复原消除图像噪声。图像增强是指通过对图像进行相应操作使其能够更适合特定应用的处理方法，常用的图像增强技术有灰度变换、滤波和直方图均衡化等。

面对原始图像的灰度分布不均匀，采用直方图均衡化解决这一问题。直方图均衡化是创建一副在整个亮度范围内具有相同分布的亮度图像，增强了靠近直方图极大值附近亮度的对比度，减小了极小值附近的对比度，采用灰度统计特征将原始图像由灰度不均匀、较集中于某个区间范围变成灰度在全部范围内均匀分布[4]。

输入的直方图用H ( p )表示，输入的灰度级范围是[ p0，pk]，目的是找到一个单调的像素亮度变换q =T ( p )，使得输出的直方图G ( q )在整个输出亮度范围[ p0，pk]是均匀的。

2.3 图像分割

在软胶囊药板图像预处理过程中已经用直方图来分析图像中灰度值的分布，现在采用最大类间方差法确定合理的阈值。最大类间方差法是由Ostu基于最小二乘法[5]推导而成，并对泡罩内部的药丸进行自动阈值分割，获得药丸外轮廓，计算药丸面积。在此基础上，分离软胶囊胶丸丸身及丸尾，并计算丸身的长、宽、圆度，丸尾的长、宽、与水平线的夹角等参数。此部分需分两步来实现：首先是获得丸身上半部分，计算丸身上半槽的长、宽参数；然后是获得丸身上半弧线。

3 缺陷特征的提取与识别

（1）对泡罩内部的药丸进行自动阈值分割，获得药丸外轮廓，计算药丸面积。若泡罩内无分割结果，则判为缺粒。若药丸面积未在设定范围内，则判为药丸异形。检测结果如图4所示。

图 4 软胶囊缺粒、多粒检测Fig.4 The detection figure of soft capsule quantity

（2）分离软胶囊胶丸丸身及丸尾。计算丸身的长、宽、圆度，丸尾的长、宽、与水平线的夹角等参数。此外获得丸身上半部分，计算丸身上半槽的长、宽参数。若计算结果未在设定范围内，则判断为药丸异形。检测结果如图5所示。

图 5 软胶囊胶丸丸身、丸尾检测Fig.5 The detection figure of soft capsule shape

（3）获得丸身上半弧线。计算弧线的长度、弧线的峰数（极大值个数）、弧线峰点距弧线最左端、最右端的距离。若计算结果未在设定范围内，则判断为药丸异形。检测结果如图6所示。

图 6 软胶囊边缘弧线检测Fig.6 The detection figure of soft capsule edge arc

（4）对非异形软胶囊胶丸，获得丸身内部检测区域。检测软胶囊内是否存在黑点。接测结果如图7所示。

图 7 软胶囊内部黑点检测Fig.7 The detection figure of soft capsule inside

用内部区域滤波值对内部检测区域进行滤波，并进行阈值分割，提取分割结果面积大于内部其它缺陷最小面积的部分。滤波值越小，图像越清晰，检测越严格。

4 结论

针对基于机器视觉的软胶囊产品质量检测系统的在线监测，进行了如下研究：软胶囊图像采集硬件、软件的设计，抽取目标特征进行建模，并对软胶囊产品进行分类，判断药板是否存在质量问题。对大量的软胶囊图像进行试验，检测准确率为99.7 %以上，识别速率达2 400粒/ min。整个产品检测系统适用性强，有很高的使用价值。

参考文献

[1]严海领.泡罩药品自动视觉监测系统关键技术研究[D].天津：天津大学，2009.1-7.

[2]Dail Chen，YangQuan chen，Dingyu Xue.Adaptive Image Enhancement Based on Fractional Differential Mask[J]，IEEE，2012：1043-1047.

[3]Milan Sonka，Vaclav Hlavac，Roger Boyle.艾海舟，苏延超等译.图像处理、分析与机器视觉[M].北京，清华大学出版社，2011.130-166.

[4]吴婉.机器视觉中泡罩药品包装缺陷监测算法研究[D].湖南：湖南工业大学，2014.14-17.

[5]左奇.基于机器视觉的胶囊完整性检测系统研究[J].西安交通大学学报，2002，36（12）： 1262-1265.

中图分类号：TQ 460.5

文献标识码：A

文章编号：2095-817X（2016）02-0039-000

收稿日期：2015-12-11

基金项目：厦门市科技计划项目（3502Z20141150）资助。

作者简介：彭彦卿（1966—），女，教授，博士，主要研究方向：自动化，智能控制。

Study of Key Technology Used in Machine Vision Inspection System for Soft Capsule

Peng Yanqing1, Yang Yongtong1, Chen Liqing2
（1. School of Electrical Engineering & Automation, Xiamen University of Technology, Xiamen 361024; 2. Sinopharm Xingsha Pharmaceutical (Xiamen) Co., Ltd, Xiamen 361026）

Abstract:In machine vision based soft capsule quality inspection system, by using collection hardware, soft capsule sheet inspected is transformed into image signals which are conveyed to image treatment system. In image treatment system, based on the information, such as brightness and color of images, the features of the objective are extracted and model establishment is finished. With these models the defected image database is established. By using the methods of image treatment and model recognition, capsule sheet is inspected if there is quality defect and unqualified capsule sheet can be automatically removed from production line. From the results of great number of experiment, it has been shown that using this system the precision rate may reach above 99.7% and speed rate of recognition may reach 2400 capsule/min.

Keywords:machine vision; soft capsule sheet; image collection; defect monitor