采用机器视觉技术的软胶囊药板质检系统设计

彭彦卿，刘　成，陈李清，许国澎

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



采用机器视觉技术的软胶囊药板质检系统设计

彭彦卿1，刘成1，陈李清2，许国澎1

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

采用机器视觉技术设计软胶囊药板质量检测系统.通过图像采集将被检测软胶囊药板转换成图像信号，图像处理系统根据像素亮度、颜色分布等信息对目标特征进行提取，并综合使用包括聚类算法、形态学分析、图像滤波、边缘检测及模板匹配在内的数字图像处理算法，对软胶囊常见缺陷模式进行识别.系统如果判断药板存在质量问题，则控制现场设备将不合格产品分检出来.实验结果表明：该系统每分钟可检测软胶囊2 400粒，对黑点的检测精度可达0.3 mm，检测准确率达到99.7﹪以上.

软胶囊药板；质量检测；系统设计；机器视觉；铝塑泡罩包装机

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，不可避免地出现异形、空壳、渗油等不合格胶囊.长久以来，国内软胶囊产品的厂家为了保证产品质量，一直都是采用人员筛选的方法去掉这些问题胶囊.人工检测主要依赖分拣工人的主观经验，利用肉眼获取胶囊图像、利用大脑识别胶囊图像、并以手工操作的方式剔除不合格胶囊.人工视觉检测效率低、精度差，难以满足企业大规模、标准化的生产需求[1].基于计算机视觉[2-5]的检测方法可有效解决以上问题，但由于存在检测和建模难度大等因素，至今仍未有成品的专用设备面市.基于此，本文设计一个基于机器视觉技术的软胶囊药板质量检测系统.系统选取高分辨率的机器视觉系统，配合拍照触发电路，使得拍照速度自动与被测物的速度相匹配，通过显示图像监视检测过程，也可通过界面显示的检测数据动态查看检测结果，分析、总结检测结果以了解上游设备情况.

1　系统介绍

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包装机最快包装速度为300板/min，两板同时检测，其单次检测运算时间必须小于200 ms/板.机器视觉检测系统流程图如图1所示.由于原设备振动比较大，最好将相机隔离安装，以免设备的振动影响相机的拍摄.

1.1铝塑泡罩包装机

铝塑泡罩包装机是将透明塑料薄膜或薄片制成泡罩，用热压封合、粘合等方法将软胶囊产品封合在泡罩与底板之间的机器.包装机主要结构包括PVP放卷机构、PVP成型机构、夹持步进机构、PTP放卷机构、热封合等.本次改制就是在软胶囊产品进入冲填的泡罩后，泡罩在封合前，利用CCD照相机将被检测的目标转换成图像信号.

改制方法如下：a)在输送带下端增加一块LED背景光源；b)在光源上方安装2台照相机，同时检测一排软胶囊，保证全方位检测每一粒待测的软胶囊；c)照相机上方安装一台电脑显示屏；d)在泡罩机增加剔除装置，剔除装置分为左右两个部分，可分开剔除两行药板.

1.2图像采集系统

光源系统采用背景照明，光源采用LED蓝色平板光源[6]，本系统设计采用遮光箱体.工业相机支架与生产线设备实行物理隔离，防止设备抖动传递到相机，图2为图像采集系统.

1.3系统软件设计

机器视觉检测软件包含各种模式识别算法库和模型库，需要对生产线上所有可能的合格产品图像进行采集、训练及建模[7]，以保证算法的准确性及鲁棒性.

软件开发包括图像采集、设备驱动、操作系统、应用程序、核心目标检测识别算法、人机交互同步显示及控制输出和处理结果统计并存档等关键功能.

2　软胶囊缺陷识别

2.1技术要求及质量指标

软胶囊药板常见的缺陷包括多粒，缺粒，含油量不够(瘦丸)，含油量过多(胖丸)，药丸异形，药丸内含气泡、黑点或异物.缺粒或含气泡的胶丸颜色比例与正常值有较大差别，单泡罩内含多粒的胶丸边缘信息十分丰富，异形丸几何参数与正常胶丸有很大差别，而含气泡、黑点或异物的胶丸，其内部的颜色、亮度与正常胶囊有差别.

要实现生产线无人检测和机器设备自动化连线的要求，系统必须确保软胶囊产品达到以下几点技术要求：1)现有铝塑泡罩包装机运行75～100冲·min-1，每次冲裁两板，约150～200板·min-1，每板的软胶囊10～12粒两种规格，最高每次要检测软胶囊24粒，两板的检测运算时间不大于300 ms，对黑点的检测精度要求为0.3 mm；2)同时判断每周期两板泡罩的软胶囊产品，检测其泡舱里面的24粒胶丸有无缺粒或一个泡罩里有两粒胶丸、每粒胶丸是否存在含油量不够(瘦丸)、含油量过多(胖丸)、胶丸里面有无气泡(含油量不够)、胶丸有无异型或缺陷等；检测泡罩里有无异物、胶丸有无黑点等.只要某一板的产品存在任何一项缺陷，就将该板软胶囊产品视为不合格品并单独剔除；3)统计出缺陷产品的缺陷类别及数量，可据此分析判断上游设备情况.

2.2软胶囊图像处理和缺陷识别

鱼肝油软胶囊外形为设计好的规则鱼状，是极具代表性的软胶囊产品.针对2.1提到的软胶囊常见缺陷模式和技术指标，本文设计的检测系统综合使用包括聚类算法、形态学分析、图像滤波、边缘检测及模板匹配在内的数字图像处理算法.

药板检测的第一步是边缘搜索，处理模板匹配，获得泡罩内在测的每粒软胶囊的具体位置；利用点集分布的方法，对泡罩内部的胶丸进行自动阈值分割[8]，获得药丸外轮廓，计算药丸面积.在数字图像中，边缘可描述为图像深度上的不连续(灰度值的突变)、方向上的不连续(结构或轮廓的突变)、物质属性的变化(不同的材料有不同的反射率)和场景照明的变化(不均匀光照下尤其明显).边缘检测的目的是提取这些不连续和变化信息，从而获得目标的特征.由于数字图像的变量离散性，常选择特定边缘检测模板，并通过卷积来实现计算.现有常见的边缘检测模板算子有Robert算子，Prewitt算子，Sobel算子，Laplacian算子和Canny算子.经过反复试验，选择最常用的Robert边缘检测模板，其卷积算子为：

(1)

其边缘梯度值的近似计算公式为：

(2)

式(2)中：f(i,j)表示对应于第i行、第j列的像素点灰度值.

针对软胶囊不同的缺陷模式，具体有如下6个主要识别方法：1)针对药板缺粒和空泡，采用颜色矩阵技术，对泡罩内点集进行统计检测，进行识别.2)针对多粒的解决方案：边缘野值点聚类.在边缘搜索中，多粒形态有丰富的点集，通过对野值点进行集合聚类[9]进而识别.3)针对存在黑点的胶丸，对腹部区域中点集亮度属性进行分类统计，当达到亮度阈值和面积阈值，则判定有胶丸黑点.具体步骤为：首先对图片进行灰度增强处理，然后对取得的图层取轮廓，去掉最大的轮廓(胶丸的轮廓)，剩下的就是黑点轮廓，计算轮廓内的面积，如果大于阈值则判定为胶丸黑点，并标记出来.4)针对缺油瘪壳的软胶囊，对腹部区域中点集亮度进行中线小波滤波，采用谷底形态分析，当达到长度阈值，则判定为瘪壳软胶囊.5)针对异形胶丸，采用的技术为：a、胶囊尺寸检测，阈值分类；b、胶囊边缘点集主成分取向的野值聚类.6)针对含油量不足、有气泡或漏油的软胶囊，采用的技术为：a、对胶囊腹部点集进行颜色指标进行边缘识别，九宫扫描内部边缘点集，超过面积阈值，则判定为气泡；b、对胶囊腹部点集进行颜色矩阵计算，检测内部边缘特征，当超过长度阈值，则判定有漏油.

3　实验验证

制作实验样机，并进行实验验证，具体实施步骤如下：

1)利用传感器启动触发拍照，获取图片.图3(a)为正常胶丸的实验室检测图.

2)进行模板匹配，获得泡罩具体位置，泡罩外的区域不作处理.对数字图像进行边缘检测和鱼腹部区域点集属性滤波后方差分类，如果存在丰富的点集和边缘信息，则胶丸判定为多粒.图3(b)为单泡罩内多粒软胶囊检测图.

3)对泡罩内部的药丸进行自动阈值分割，若泡罩内无分割结果，则判为缺粒.图3(c)为缺粒软胶囊检测图.

4)获得胶囊整体形状，计算鱼身的长、宽、圆度，鱼尾的长、宽、与水平线的夹角等参数；获得鱼身上半部分，计算鱼身上半槽的长、宽参数；获得鱼身上半弧线，计算弧线长度、弧线峰数(极大值个数)、弧线峰点距弧线最左端、最右端的距离：若上述计算结果未在设定范围内，则判断为药丸异形.典型的异形丸是歪头丸，图3(d)为歪头丸检测图.

5)对非异形鱼肝油胶丸，只需获得鱼身内部检测区域.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.图3(e)为存在气泡的胶丸检测图.

6)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，再筛选出区域直径大于最小黑点直径(单位为mm)的区域.图3(f)为存在黑点的胶丸检测图.

经过对软胶囊药板样本检测结果整合、统计、显示，本系统实验样机检测系统达到以下技术指标：1)每板胶囊12粒，同时检测2板，每分钟冲切可达100次，检测速度可达到2 400粒·min-1；2)对单个泡罩内缺粒或多粒的药板、含油量不标准的瘦丸和胖丸、内部含气泡的胶丸、泡罩内含异物的胶丸，外形有缺陷的异形胶丸及存在黑点的胶丸均能检出，且对黑点的检测精度可高达0.3 mm；3)检测准确率达到99.71%以上.共测试3批，第一批测试4 182片，漏检12片，检测准确率99.71%；第二批测试4 892片，漏检14片，检测准确率99.73%；第三批测试7 884片，漏检5片，检测准确率99.94%.

4　结语

本文给出了基于机器视觉技术的软胶囊药板质检系统设计的总体设计框图，并根据提出的技术要求及质量指标进行了系统的软硬件设计.总结了软胶囊药板常见缺陷，针对各种缺陷模式给出了识别方案.在此基础上开发的图像处理系统根据获得图像信号的像素亮度和颜色分布等信息，对目标特征进行抽取，判断药板是否存在变形、含油量不合格、存在黑点等质量问题，进而根据结果来控制现场的设备，将不合格的产品分检出来.多次实验研究结果表明，实验室样机检测速度可达到2 400粒/min，对黑点的检测精度可高达0.3 mm，检测准确率达99.71%以上，可进一步推动软胶囊生产实现完全自动化.

[1]石吉勇，邹小波，赵杰文.渗油醋胶囊高光谱快速检测技术[J].农业机械学报,2015,46(7):210-213.

[2]王娟，周永霞，徐冰俏，等.图像处理在胶囊外形缺陷检测中的应用[J].中国计量学院学报，2012，23(3):239-245.

[3]郑瀚，韦文斌，齐子城.机器视觉检测胶囊图像的预处理研究[J].电子科技,2012,25(12):133-136.

[4]张广军.机器视觉[M].北京：科学出版社,2005:8-10.

[5]WESLEY E S,QI H R.Machine vision[M].Bejing：China Machine Press,2005:3-5.

[6]汪敏，夏咸军.新型LED背光源技术及应用[J].光电子技术,2005,25(4):267-270.

[7]左奇，史忠科.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(自然科学版),2002,36(12):1 262-1 265.

[8]刘雅坤，于双元，罗四维.基于最小最大割算法的阈值分割算法[J].计算机科学,2014,41(1):95-99.

[9]史椸，赵静，鲍军鹏.基于方差聚类的时序数据野值识别算法[J].计算机应用,2012,32(增刊2):22-25.

(责任编辑李宁)

Design of a Soft Capsule Plates Testing System Using Computer Vision

PENG Yanqing1,LIU Cheng1,CHEN Liqing2,XU Guopeng1

(1.School of Electrical Engineering & Automation,Xiamen University of Technology,Xiamen 361024,China; 2.Sinopharm Xingsha Pharmaceutical (Xiamen),Xiamen 361026,China)

A soft capsule plates testing system was designed using computer vision.Soft capsule drug plates to be detected were transformed into image signals through the image acquisition and the image processing system got extraction of the target features according to brightness and color distribution of pixel information.Through various techniques employing digital image processing algorithms including clustering algorithm,morphological analysis,image filtering,edge detection and template matching,pattern recognition of soft capsules’ common defects was then done.Drugs board detected for quality faults was sorted out by local devices.The experimental results show that the system can test 2 400 soft capsules per minute with a testing accuracy of 0.3 mm for black spots at a 99.7% accuracy rate and higher.

soft capsule plate;quality test;system design;computer vision;aluminum plastic bubble cap packaging machine

2015-12-12

2016-04-05

厦门市科技计划项目(3502Z20141150)

彭彦卿(1966-)，女，教授，博士，研究方向为智能控制技术及应用等.E-mail：pyqxm@163.com

TQ460.5

A

1673-4432(2016)03-0023-05