基于计算机视觉的包装质量检测分析

吴 娟 朱 琪

（黑龙江中医药大学，黑龙江 哈尔滨 150040）

自20世纪20年代以来，计算机技术掀起了世界技术革新的浪潮，深入全社会各个行业，极大地改变了人们的生活。目前，计算机技术已经应用于现代工业的各个门类中，包括医药行业和医药包装行业。计算机技术不仅可以实现医药包装的自动化、提高包装过程的效率，借助计算机视觉技术还可以对药品包装质量进行检测[1]。在计算机视觉技术应用以前，药品包装的质量检测一般以人工肉眼观察为主要手段[2]。人工检测不仅检测效率低，而且经常出现误检的情况。而运用计算机视觉技术，以摄像机拍摄图像代替人工肉眼观测，以图像处理和模式识别代替人工主观判断，大大地提升了药品包装的检测效率和检测质量[3]。基于此，该文在多特征融合策略下构建了药品包装的计算机视觉检测方法，并对其检测效果进行了试验验证。

1 包装流程中的计算机视觉检测

目前药品包装的形式非常丰富，其中塑胶透明包装占据了相当大的比重。受到塑胶包装工艺的限制，其包装流程一般分为七个环节，而计算机视觉检测在其中扮演了非常重要的角色，如图1所示。

图1 计算机视觉检测在药品塑胶包装中的作用

第一个环节，对塑胶材料进行包装前的准备处理。主要方法是根据要包装的药品形状进行包装外壳制作，这一过程一般要通过热融化、成型、冷却定型等操作才能完成。

第二个环节，根据塑胶包装的具体结构放置要包装的药品。目前，包装结构一般是对称或规则排列的。

第三个环节，在塑胶包装的底部进行最后的封装，主要使用铝箔、锡箔等材料。至此，每个包装单元都形成一个完整的密闭结构。

第四个环节，将铝箔、锡箔等底部封装部分和塑胶包装壳体有效黏结起来，一般采用无害的黏结剂进行黏连，再通过压实操作确保黏结可靠。

第五个环节，如果包装生产线形成的是大片的塑胶包装，还要进行切割，以便每个包装体可以放置在药盒内。

第六个环节，按照计算机视觉的方法对包装进行质量检测，如果发现质量不合格，将其推送至废品区等候处理。

第七个环节，如果药品包装顺利通过计算机视觉的质量检测，则推送至成品区进行装盒处理，以备最后的出厂售卖。

可见，基于计算机视觉的质量检测对药品包装具有十分重要的意义。它不仅决定了药品包装的可用性，也决定了药品包装工作流程的效率。

2 基于计算机视觉的包装质量检测算法

为了实现药品包装准确可靠的质量检测，该文构建了一种基于计算机视觉的检测方法。计算机视觉检测方法的实质就是在包装流水线上设置摄像机，拍摄每个包装体，进而得到每个包装单元的成像。然后采用一系列图像处理的手段进行缺陷识别和质量检测。从成像效果上看，存在缺陷的包装单元成像一定会和正常包装单元成像有所差别。经验表明，药品包装在颜色、纹理、形状等方面的特征都有明显的规律，如果存在质量问题，其颜色、纹理、形状特征就会发生明显的变化。一般情况下，计算机视觉的检测方法只针对其中一种特征进行检测，这样的好处是检测速度比较快，但存在可靠性差、容易漏检和误检等问题。随着计算机硬件水平的提高，同时检测更多特征不仅有利于提升质量检测的准确率，还能加快检测流程。为此，该文设计了一种同时检测颜色、纹理、形状特征的方法，以实现计算机视觉对药品包装的质量检测。

2.1 颜色特征提取

药品包装图像中，包装本身的颜色和背景色之间会形成比较强烈的对比。包装区域和背景区之间的纹理也存在比较明显的差异。同时，每个包装单元也会表现出明显的形状特征。所以，同时选用颜色、纹理和形状特征，会提升包装质量检测结果的准确性。

颜色信息是图像各类特征中最重要的特征之一，大多数图像都具有比较丰富的颜色特征。在图像处理的早期阶段，为了加快图像处理的速度，一般都运用灰度图像取代图像中正常的颜色信息表达，这样可以将计算量减少到原始图像的三分之一。随着计算机硬件水平的提高，彩色图像处理也可以达到比较快的速度，这时彩色特征提取就成为颜色信息处理的主要方式。

RGB是最常见的彩色图像存储格式，这是将红色、绿色、蓝色作为三种基色信息实现对像素颜色信息表达的一种技术手段。图像中每个像素的任何一种颜色都可以根据红色、绿色、蓝色的组合来实现，只不过不同的彩色信息中，三种基色信息的占比不同而已。YUV格式则是除了颜色信息以外，还充分考虑亮度信息和对比度信息，进而形成的一种彩色图像存储格式，在图像处理领域中也有比较广泛的应用。

在RGB、YUV等存储格式的支持下，图像颜色信息形成了很多表达方式，包括全通道颜色值信息、红色通道颜色值信息、绿色通道颜色值信息、蓝色通道颜色值信息、颜色-对比度矩阵、颜色-亮度矩阵、颜色-亮度-对比度矩阵、颜色直方图和颜色矩等。

图像内容中的颜色信息有多种表达方式，该文选择了空间颜色直方图来提取药品包装图像中的颜色信息。这是因为药品包装图像中不仅颜色特征丰富，而且包装区域颜色关联了一定程度的空间信息。空间颜色直方图恰好可以同时反映出颜色信息和空间信息。

对药品包装图像的颜色直方图提取的计算如公式（1）所示。

进一步计算药品包装图像中的空间信息特征，其中包括两个变量，如公式（2）所示。

式中：βI（ϑ）、αI（ϑ）分别为空间信息特征的两个变量；D（q，βI（ϑ））为空间距离计算函数。

结合公式（1）～公式（3），可以得到药品包装图像的颜色特征向量，如公式（4）所示。

式中：CI（ϑ）为药品包装图像的颜色直方图；βI（ϑ）、αI（ϑ）分别为空间信息特征的两个变量。

2.2 纹理特征提取

和颜色特征相比，纹理特征也是各类图像中非常常见的一种形式。它体现了图像内容中有规律信息的排列方式。药品包装图像的纹理信息非常丰富，并且可以抽象成一些参数。这些参数也就成了药品包装图像纹理特征的表达。该文从四个方面对药品包装图像纹理特征进行参数化的表达。

2.2.1 纹理特征的能量表达

令p（gi，gj）表达灰度共生矩阵，并且已经执行了归一化处理，那么纹理特征的能量表达如公式（5）所示。

纹理特征的能量表达体现了药品包装图像中的纹理特征是否均匀。如果药品包装图像的纹理特征均匀，那么p（gi，gj）中的非0元素将向对角线集中。反之，非0元素则会远离对角线。

2.2.2 纹理特征的熵表达

药品包装图像中纹理特征的熵表达，根据灰度共生矩阵及其对数进行积联累加计算，如公式（6）所示。

与能量表达不同，熵表达更多地体现了药品包装图像中的纹理信息是否丰富。当药品包装图像的纹理信息丰富时，熵就会很大。反之，当药品包装图像的纹理信息欠丰富时，熵就会很小。

2.2.3 纹理特征的对比度表达

药品包装图像中纹理特征的对比度除了和灰度共生矩阵有关，还与参与计算的像素位置有关，如公式（7）所示。

对比度表达体现了药品包装图像纹理信息的清晰程度。当树木图像的纹理信息比较清楚时，对比度就会很大。反之，当药品包装图像的纹理信息不清楚时，对比度就会很小。

2.2.4 纹理特征的相关性表达

药品包装图像中纹理特征的相关性除了和灰度共生矩阵有关，还与灰度共生矩阵的均值和方差有关，如公式（8）所示。

式中：μx、μy为均值；σx、σy为方差。

结合公式（5）～公式（8），可以得到药品包装图像的纹理特征向量，如公式（9）所示。

2.3 形状特征提取

药品包装图像中的形状信息非常丰富，包装区域都有明确的形状表达。但是，这些形状特征会因拍摄角度不同、图像缩放等因素而表现各异。出于检索依据可靠性的考虑，这里应该选取具有不变性的形状特征。Hu矩是基于轮廓曲线中心矩完成形状特征提取的方法，具有较好的不变性，其计算如下。

首先，根据药品包装图像中的轮廓曲线可以进行积分处理，如公式（10）所示。

式中：C为图像包装轮廓中包括的曲线信息；（m，n）为曲线上的像素，为积分微元；p、q为非负整数。

其次，计算包装轮廓曲线特征C的（p+q）阶中心矩，如公式（11）所示。

最后，根据中心矩θpq可以计算出树木形状的7个分量，将这7个分量组合在一起，就形成了药品包装图像的形状特征向量，如公式（12）所示。

3 试验结果与分析

为了验证该文提出的基于计算机视觉的药品包装质量检测方法的有效性，接下来进行试验研究。试验过程中将分别提取每幅药品包装图像中的颜色、纹理、形状特征，将这些特征分别和包装质量完好的图像特征进行比对，形成三类特征比较的结果。然后，给每类特征配置一个合理的权重，再将三类特征的比较结果加权处理成和的形式。这个加权和就是药品包装是否存在缺陷的最后判断依据。

根据经验，药品包装的颜色特征比其他两类特征占比要低一些，因此给颜色特征配置的权重为0.2，同时给纹理特征和形状特征配置的权重为0.4、0.4。

接下来，针对一个实际的药品包装图像进行计算机视觉算法的质量检测。这个药品是一个呈现近似三角形状的物品，在透明塑胶包装之后形成的效果如图2所示。

图2中给出的是一个包装完好、不存在缺陷的包装单元，如果通过该文算法检测的单元和图2中的包装单元相似性较高，则通过质量检测，反之则不能通过质量检测，为废品。据此完成的药品包装质量检测结果如图3所示。

图2 近似三角形状药品的透明塑胶包装之后的效果

图3 基于计算机视觉的药品包装质量检测结果

从图3可以看出，这一板药品包装一共有6个包装单元，上排3个、下排3个。经过该文的计算机视觉质量检测方法，共发现4个合格的包装单元和2个有缺陷的包装单元。2个有缺陷的包装单元分别位于上排最右侧和下排最右侧。从视觉上看，这2个包装单元因为操作等问题，内容物的药品已经消失不见。这一结果充分证明了该文提出的计算机视觉方法可以完成药品包装的质量检测。

4 结论

药品包装质量的自动化检测具有十分重要的意义，在医药行业的发展过程中扮演着十分重要的角色。为了提升包装质量检测的精度和效率，该文提出了一种基于计算机视觉的包装质量检测方法。这个方法可同时检测药品包装的颜色、纹理、形状特征，并形成了3个颜色、4个纹理、7个形状向量。根据3类特征7个向量的相似性进行加权融合处理，得到最终的质量检测结果。试验结果表明，该文提出的计算机视觉检测方法因为同时使用了三种特征而具有更高的可靠性，可以将存在缺陷的药品全部检出。