CN110174404B - 一种药粒在线缺陷检测装置及*** - Google Patents
一种药粒在线缺陷检测装置及*** Download PDFInfo
- Publication number
- CN110174404B CN110174404B CN201910421225.7A CN201910421225A CN110174404B CN 110174404 B CN110174404 B CN 110174404B CN 201910421225 A CN201910421225 A CN 201910421225A CN 110174404 B CN110174404 B CN 110174404B
- Authority
- CN
- China
- Prior art keywords
- image
- module
- product
- detection
- image data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 123
- 239000003814 drug Substances 0.000 title claims abstract description 50
- 230000007547 defect Effects 0.000 title claims abstract description 45
- 229940079593 drug Drugs 0.000 title description 7
- 238000012545 processing Methods 0.000 claims abstract description 34
- 239000002245 particle Substances 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 7
- 239000008187 granular material Substances 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 239000008188 pellet Substances 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000000605 extraction Methods 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 239000003844 drug implant Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- UJKWLAZYSLJTKA-UHFFFAOYSA-N edma Chemical compound O1CCOC2=CC(CC(C)NC)=CC=C21 UJKWLAZYSLJTKA-UHFFFAOYSA-N 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
- G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/845—Objects on a conveyor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8592—Grain or other flowing solid samples
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及机械技术领域,具体为一种药粒在线缺陷检测装置及***,包括底板、安装在底板顶部的支撑座、设置在支撑座顶部的药粒传输板。该药粒在线缺陷检测装置及***中,通过图像处理模块对采集的图像进行处理,通过图像检测模块对处理后图像中的产品进行面积、形状、颜色和污渍的检测,通过数据库模块建立产品图像数据库,并与检测的产品图像对比,判断产品是否为合格品,能够快速的对图像中产品缺陷进行检测,提高检测效率,通过设置图像训练理模块,同时采集不合格产品的图像数据和合格产品的图像数据,将不合格产品的图像数据输入生成器,并将合格产品的图像数据和生成器的映射样本进行训练,优化数据库内判别,提高检测精度。
Description
技术领域
本发明涉及机械技术领域,具体为一种药粒在线缺陷检测装置及***。
背景技术
药粒在生产过程中,不可避免会出现面积、形状、颜色和污点方面的缺陷,出现缺陷的药粒为不合格药粒,需要剔除。
现有的药粒缺陷检测一般分为人眼判别和机器判别两种,采用人眼判别虽然能精准的观察每一个药粒,但人力投资大,且效率低,而采用机器判别,虽然效率高,但判别的精准度较低。鉴于此,我们提出一种药粒在线缺陷检测装置及***。
发明内容
本发明的目的在于提供一种药粒在线缺陷检测装置及***,以解决上述背景技术中提出的采用人眼判别虽然能精准的观察每一个药粒,但人力投资大,且效率低,而采用机器判别,虽然效率高,但判别的精准度较低的问题。
为实现上述目的,一方面,本发明提供一种药粒在线缺陷检测装置,包括底板、安装在所述底板顶部的支撑座、设置在所述支撑座顶部的药粒传输板,所述药粒传输板的顶部设置有用于对药粒图像进行采集的采集装置,所述采集装置包括一对支撑立杆,所述支撑立杆的顶部安装有连接横板,所述连接横板的一侧安装有检测箱,所述检测箱的一侧安装有多个安装板,所述安装板的一端安装有工业相机,所述工业相机的底部设置有偏振镜片。
作为优选,所述支撑立杆和所述连接横板焊接固定,且所述检测箱焊接在所述连接横板的内壁上。
作为优选,所述检测箱呈“凹”形结构,所述检测箱的顶部安装有顶板,所述顶板的两侧设置有固定条,所述固定条通过多个紧固螺栓固定在所述检测箱顶部,所述顶板的顶部开设有多个通槽。
作为优选,所述工业相机和所述通槽位于同一水平直线上。
作为优选,所述检测箱的一侧还安装有工业电脑。
另一方面,本发明还提供一种药粒在线缺陷检测***,包括上述任意一项所述的药粒在线缺陷检测装置,所述工业电脑内设置有缺陷检测***,所述缺陷检测***包括图像处理模块、图像检测模块和数据库模块;
所述图像处理模块用于对采集的图像进行处理;
所述图像检测模块用于处理后图像中的产品进行面积、形状、颜色和污渍的检测;
所述数据库模块用于建立产品图像数据库,并与检测的产品图像对比,判断产品是否为合格品。
作为优选,所述图像处理模块包括彩色二值化模块和图像降噪模块;
所述彩色二值化模块用于对图像中的产品及背景进行二值化处理;
所述图像降噪模块用于对去除彩色二值化后的位图进行降噪处理。
作为优选,所述图像检测模块包括产品面积检测模块、产品形状检测模块、产品颜色检测模块和产品污渍检测模块;
所述产品面积检测模块用于对图像中的产品面积进行检测;
所述产品形状检测模块用于对图像中的产品形状进行检测;
所述产品颜色检测模块用于对图中的产品颜色进行检测;
所述产品污渍检测模块用于对图中的产品污渍进行检测。
作为优选,所述数据库模块包括图像训练理模块和图像对比模块,所述图像训练理模块包括样本采集模块、样本生成模块和样本判别模块;
所述样本采集模块用于采集不合格产品的图像数据和合格产品的图像数据;
所述样本生成模块将不合格产品的图像数据输入生成器,并将合格产品的图像数据和生成器的映射样本进行训练;
所述样本判别模块用于将对图像中的产品进行识别,并判断是否合格。
作为优选,图像对比模块包括图像导入模块和输出结果模块;
所述图像导入模块用于将图像处理模块处理后的图像数据导入样本判别模块中;
所述输出结果模块用于输出导入图像数据的判别结果。
与现有技术相比,本发明的有益效果:
1、该药粒在线缺陷检测装置及***中,通过工业相机,对检测箱底部的药粒传输板进行图像采集,同时工业相机的镜头一侧安装有偏振镜片,通过偏振镜的光线偏振技术原理,能够减少金属表面的反光,从而保证工业相机采集到的图像清晰,对比度强,噪点少,提高图像采集效果。
2、该药粒在线缺陷检测装置及***中,通过图像处理模块对采集的图像进行处理,通过图像检测模块对处理后图像中的产品进行面积、形状、颜色和污渍的检测,通过数据库模块建立产品图像数据库,并与检测的产品图像对比,判断产品是否为合格品,能够快速的对图像中产品缺陷进行检测,提高检测效率。
3、该药粒在线缺陷检测装置及***中,通过设置图像训练理模块,同时采集不合格产品的图像数据和合格产品的图像数据,将不合格产品的图像数据输入生成器,并将合格产品的图像数据和生成器的映射样本进行训练,优化数据库内判别,提高检测精度。
附图说明
图1为本发明的整体结构示意图;
图2为本发明的采集装置结构示意图;
图3为本发明的检测箱结构示意图;
图4为本发明的工业相机和工业电脑数据交互模块;
图5为本发明的缺陷检测***模块图;
图6为本发明的图像处理模块示意图;
图7为本发明的图像检测模块示意图;
图8为本发明的数据库模块示意图;
图9为本发明的图像训练模块示意图;
图10为本发明的图像对比模块示意图。
图中:1、底板;2、支撑座;3、药粒传输板;4、采集装置;41、支撑立杆;42、检测箱;421、顶板;422、固定条;423、紧固螺栓;424、通槽;43、安装板;44、工业相机;45、偏振镜片;46、连接横板;5、工业电脑。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
实施例1
一方面,本发明提供一种药粒在线缺陷检测装置,如图1-图3所示,包括底板1、安装在底板1顶部的支撑座2、设置在支撑座2顶部的药粒传输板3,药粒传输板3的顶部设置有用于对药粒图像进行采集的采集装置4,采集装置4包括一对支撑立杆41,支撑立杆41的顶部安装有连接横板46,连接横板46的一侧安装有检测箱42,检测箱42的一侧安装有多个安装板43,安装板43的一端安装有工业相机44,工业相机44的底部设置有偏振镜片45,检测箱42呈“凹”形结构,检测箱42的顶部安装有顶板421,顶板421的两侧设置有固定条422,固定条422通过多个紧固螺栓423固定在检测箱42顶部,顶板 421的顶部开设有多个通槽424。
本实施例中,支撑立杆41和连接横板46焊接固定,且检测箱42焊接在连接横板46的内壁上,便于将检测箱42固定在连接横板46的顶部,同时支撑立杆41的底部焊接在底板1上,便于将检测箱42安装在药粒传输板3顶部。
进一步的,工业相机44和通槽424位于同一水平直线上,便于工业相机44通过通槽424对药粒传输板3上传输的药粒图像进行采集。
此外,工业相机44选用CCD图像传感器,具体的,工业相机44可选用日本SHARP公司生产的RJ2421AB0PB芯片是1/4type固态型光敏二极管结构彩色面阵CCD图像传感器,有效像素数为,320k(512H*Q582V),像元尺寸达到7.2μm*4.7μm,有普通和镜像两种输出方式,该CCD包含Mg,G,Cy,Ye色彩补偿过滤器,内置输出放大器和曝光抑制结构,电子快门在1/50-1/10000s范围内可变,灵敏度为720mV,消去比为-105dB,其主要特点是:固定噪声与拖曳低,无嵌入和图像失真,输出信号为PAL制式标准,分辨率可达到330 Horizontal TVlines,满足药粒检测需求。
除此之外,检测箱42的顶部开设有多个与紧固螺栓423螺纹连接的螺纹孔,便于将紧固螺栓423螺入在检测箱42内,实现固定条422安装在检测箱42的顶部。
本实施例的药粒在线缺陷检测装置在进行检测时,将工业相机44接通电源,使其工作,工业相机44透过通槽424对检测箱42底部的药粒传输板3进行图像采集,当药粒通过药粒传输板3靠近检测箱42一侧时,工业相机44捕捉药粒在药粒传输板3上的图像,同时工业相机44的镜头一侧安装有偏振镜片45,通过偏振镜的光线偏振技术原理,能够减少金属表面的反光,从而保证工业相机44采集到的图像清晰,对比度强,噪点少,提高图像采集效果。
实施例2
作为本发明的第二种实施例,为了便于的工业相机44采集的图像进行处理,并判断图像中的药粒是否存在缺陷,本发明人员还设置有工业电机5,作为一种优选实施例,如图4和图5所示,本发明还提供一种药粒在线缺陷检测***,包括上述任意一项的药粒在线缺陷检测装置,工业电脑5内设置有缺陷检测***,缺陷检测***包括图像处理模块、图像检测模块和数据库模块,图像处理模块用于对采集的图像进行处理,图像检测模块用于处理后图像中的产品进行面积、形状、颜色和污渍的检测,数据库模块用于建立产品图像数据库,并与检测的产品图像对比,判断产品是否为合格品,检测箱42的一侧还安装有工业电脑5。
本实施例中,工业相机44和工业电脑5通过以太网实现数据传输,便于将工业相机44采集的图像数据传输至工业电脑5内进行分析。
进一步的,工业电脑5采用TI公司的TMS320DM642型号DSP作为图像处理的算法实现平台,选用Xilinx公司的XC95144作为图像采集的时序分配控制器件,在此硬件基础上扩充了SDRAM实现了图像的存储,从而实现了图像时实处理。
具体的,工业相机44采集出产品模拟图像信号,并将其转换为电信号,然后将放大的模拟信号经过模数转换器AD9822转换成为标准的数字信号,通过以太网送入CPLD缓存,最后通过EDMA通道输入到DSP的RAM中,在DSP中进行图像处理和识别。
本实施例的药粒在线缺陷检测***的缺陷检测***在使用时,通过图像处理模块对采集的图像进行处理,通过图像检测模块对处理后图像中的产品进行面积、形状、颜色和污渍的检测,通过数据库模块建立产品图像数据库,并与检测的产品图像对比,判断产品是否为合格品。
实施例3
作为本发明的第三种实施例,为了便于对图像进行二值化和降噪处理,本发明人员对图像处理模块作出改进,作为一种优选实施例,如图6所示,图像处理模块包括彩色二值化模块和图像降噪模块,彩色二值化模块用于对图像中的产品及背景进行二值化处理,图像降噪模块用于对去除彩色二值化后的位图进行降噪处理。
本实施例中,彩色二值化模块步骤如下:
S1、设图像在像素点(i,j)处的灰度值f(i,j),考虑以像素点(i,j)为中心的 (2ω+1)×(2ω+1)窗口;
S2、计算图像中各个像素点(i,j)的阈值T(i,j);
S3、对图像中各像素点(i,j)用b(i,j)值逐点进行二值化。
具体的,步骤S2中,计算图像中各个像素点(i,j)的阈值T(i,j)的公式为:
具体的,步骤S3中逐点进行二值化的公式为:
值得说明的是,彩色二值化模块原理如下:用I存储灰度图像的值,设I为N×M,把I边界扩展成(N+2)×(M+2)extend矩阵,首先读取原图像I的大小为N×M,由于I中的元素不是每个都是在3×3窗口的中心,所以需要对灰度图像I进行扩展。首先创建一个(N+2) ×(M+2)的矩阵extend,把矩阵I中的像素entend(i+1,j+1)=I(i,j),而第一行和最后一行,第一列和最后一列的填充依据是以它靠近的行或列为对称轴进行填充。遍历从 entend(2,2)到entend(N+1,M+1)的像素,并取以当前像素为中心的3×3窗口的最大像素max和最小像素min,依据公式t=0.5×(max+min)求出阈值t,把灰度图像矩阵I赋值于另一矩阵B,以免改变当前得到的灰度图像矩阵,遍历该矩阵B,对当前灰度值与t比较,如果大于赋予1,判为目标像素类,否则赋予0,作为背景像素类,显示得到的二值图像B。
此外,图像降噪模块采用图像差分算法对彩色二值化后的位图进行处理,实现图像的降噪效果,图像差分算法就是选取一个静止参考帧作为背景图像,用图像序列中的每一帧与参考背景做差分,对输人图像的每个像素,计算它与对应背景图像中像素的差,设F(i,j) 表示当前帧图像,B(i,j)表示背景图像,则差分图像D(i,j)算法公式为:
D(i,j)=F(i,j)-B(i,j)
本实施例的药粒在线缺陷检测***的图像处理模块在使用时,通过彩色二值化模块对图像中的产品及背景进行二值化处理,通过图像降噪模块对去除彩色二值化后的位图进行降噪处理。
实施例4
作为本发明的第四种实施例,为了便于对图像中的产品进行检测,本发明人员还设置有图像检测模块,作为一种优选实施例,如图7所示,图像检测模块包括产品面积检测模块、产品形状检测模块、产品颜色检测模块和产品污渍检测模块,产品面积检测模块用于对图像中的产品面积进行检测,产品形状检测模块用于对图像中的产品形状进行检测,产品颜色检测模块用于对图中的产品颜色进行检测,产品污渍检测模块用于对图中的产品污渍进行检测。
本实施例中,产品面积检测模块基于斑点分析算法实现,斑点分析算法是对图像中相同像素的连通域进行分析,该连通域称为Blob,Blob分析可为机器视觉应用提供图像中的斑点的数量、位置、形状和方向,还可以提供相关斑点间的拓扑结构,便于计算图像中产品的面积,通过斑点分析算法,获取图像上产品的面积信息,从而实对产品完整性的检测。
具体的,在连通区域的扫描过程中,同时获取连通区域的几何特征,包括连通区域的线段边界点、最小外接矩形、面积、周长以及形心位置等,在衡量目标区域大小时,目标区域面积参数S(·),可以作为一种度量尺度,对区域R(x,y),S(·)定位为该区域中像素数目,即:
进一步的,产品形状检测模块基于轮廓分析算法实现,轮廓分析算法通过阈值分割获得的二值图像经缺陷修补后,需要进行轮廓提取以获得图像中目标的二维轮廓,本实施例采用掏空内部点的方法对二值图像进行轮廓提取处理,其原理为:假定背景颜色为黑色,目标颜色为白色,如果原图像中有一像素点为白色,且它的8个相邻点都是白色时,可确定该点为内部点,则将该点删除,也就是把内部点都掏空。
具体的,在二值图像中,假定背景像素灰度值为0,产品像素灰度值为1,边界轮廓的提取规则如下:
(1)、若中心像素值为0,不管相邻其余8个像素为何值,一律保留中心像素值0;
(2)、若中心像素值为1,且相邻的其余8个像素值全为1,则改变中心像素值为0;
(3)、除上述情况外,全部将中心像素值改为1。
根据上述规则,即可得出图像中产品的轮廓,获取图像上产品的轮廓信息,实现对产品形状的检测。
此外,轮廓分析算法中的阈值分割基本原理为:若图像f(x,y)的灰度区间为[Zmin,Zmax],在该区间内设定一个阈值Zt,且Zmin<Zt<Zmax,令图像中所有灰度值小于或等于Zt的像素的灰度都为0,大于Zt的像素的新灰度都为1,即经过这样的阈值分割构建出一个输出的二值图像ft(x,y):
除此之外,产品颜色检测模块通过在斑点分析处理的图片上再使用图像差分算法来获取图像上每个产品的图像,再对每个产品利用彩色RGB分析算法对产品的颜色信息进行提取,然后跟预先学习设定的颜色信息进行比对,来实现对产品的颜色检测,其中RGB三原色到灰度的转换公式为:
Gray=0.30*R+0.59*G+0.11*B
此外,产品污渍检测模块通过对图像差分后的产品图像上通过斑点分析算法,实现对产品上面的污渍斑点进行检测。
本实施例的药粒在线缺陷检测***的图像检测模块在使用时,通过产品面积检测模块对图像中的产品面积进行检测,通过产品形状检测模块对图像中的产品形状进行检测,通过产品颜色检测模块对图中的产品颜色进行检测,通过产品污渍检测模块对图中的产品污渍进行检测。
实施例5
作为本发明的第五种实施例,为了便于建立图像产品数据库,并通过检测的产品图像与建立的数据库进行对比,完成产品合格判定,本发明人员还设置数据库模块,作为一种优选实施例,如图8-图10所示,数据库模块包括图像训练理模块和图像对比模块,图像训练理模块包括样本采集模块、样本生成模块和样本判别模块,样本采集模块用于采集不合格产品的图像数据和合格产品的图像数据,样本生成模块将不合格产品的图像数据输入生成器,并将合格产品的图像数据和生成器的映射样本进行训练,样本判别模块用于将对图像中的产品进行识别,并判断是否合格,图像对比模块包括图像导入模块和输出结果模块,图像导入模块用于将图像处理模块处理后的图像数据导入样本判别模块中,输出结果模块用于输出导入图像数据的判别结果。
本实施例中,样本生成模块中,将采集的不合格产品图像数据记作pz,合格产品图像数据记作pdata,生成器记作G,采用多层感知机的网络结构,用MLP的参数来表示可导映射G(z),生成G的优化公式如下:
进一步的,样本生成模块具体原理为:从合格产品图像数据中抽取m个样本,同时从不合格产品图像数据中抽取m个噪声样本送入生成器G,生成数据为
值得说明的是,输出结果模块采用“Sigmoid函数”变换以“0”和“1”表示判别器的最终判别结果,其公式如下:
本实施例的药粒在线缺陷检测***的数据库模块使用时,通过样本采集模块采集不合格产品的图像数据和合格产品的图像数据,通过样本生成模块将不合格产品的图像数据输入生成器,并将合格产品的图像数据和生成器的映射样本进行训练,通过样本判别模块用于对图像中的产品进行识别,并判断是否合格,通过输出结果模块将输出导入图像数据的判别结果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种药粒在线缺陷检测***,其特征在于:包括缺陷检测***,所述缺陷检测***包括图像处理模块、图像检测模块和数据库模块;
所述图像处理模块用于对采集的图像进行处理;
所述图像检测模块用于处理后图像中的产品进行面积、形状、颜色和污渍的检测;
所述数据库模块用于建立产品图像数据库,并与检测的产品图像对比,判断产品是否为合格品;
所述图像处理模块包括彩色二值化模块和图像降噪模块;
彩色二值化模块用于对图像中的产品及背景进行二值化处理,图像降噪模块用于对去除彩色二值化后的位图进行降噪处理;
彩色二值化模块步骤如下:
S1、设图像在像素点(i,j)处的灰度值f(i,j),考虑以像素点(i,j)为中心的(2ω+1)×(2ω+1)窗口;
S2、计算图像中各个像素点(i,j)的阈值T(i,j);
S3、对图像中各像素点(i,j)用b(i,j)值逐点进行二值化;
具体的,步骤S2中,计算图像中各个像素点(i,j)的阈值T(i,j)的公式为:
具体的,步骤S3中逐点进行二值化的公式为:
图像降噪模块采用图像差分算法对彩色二值化后的位图进行处理,实现图像的降噪效果,图像差分算法就是选取一个静止参考帧作为背景图像,用图像序列中的每一帧与参考背景做差分,对输人图像的每个像素,计算它与对应背景图像中像素的差,设F(i,j)表示当前帧图像,B(i,j)表示背景图像,则差分图像D(i,j)算法公式为:D(i,j)=F(i,j)-B(i,j);
所述数据库模块包括图像训练理模块和图像对比模块,所述图像训练理模块包括样本采集模块、样本生成模块和样本判别模块;
样本生成模块中,将采集的不合格产品图像数据记作pz,合格产品图像数据记作pdata,生成器记作G,采用多层感知机的网络结构,用MLP的参数来表示可导映射G(z),生成G的优化公式如下:
进一步的,样本生成模块具体原理为:从合格产品图像数据中抽取m个样本,同时从不合格产品图像数据中抽取m个噪声样本送入生成器G,生成数据为
值得说明的是,输出结果模块采用“Sigmoid函数”变换以“0”和“1”表示判别器的最终判别结果,其公式如下:
上述药粒在线缺陷检测***装置包括底板(1)、安装在所述底板(1)顶部的支撑座(2)、设置在所述支撑座(2)顶部的药粒传输板(3),所述药粒传输板(3)的顶部设置有用于对药粒图像进行采集的采集装置(4),所述采集装置(4)包括一对支撑立杆(41),所述支撑立杆(41)的顶部安装有连接横板(46),所述连接横板(46)的一侧安装有检测箱(42),所述检测箱(42)的一侧安装有多个安装板(43),所述安装板(43)的一端安装有工业相机(44),所述工业相机(44)的底部设置有偏振镜片(45);
所述检测箱(42)的顶部安装有顶板(421),所述顶板(421)的顶部开设有多个通槽(424),所述工业相机(44)和所述通槽(424)位于同一水平直线上,所述检测箱(42)的一侧还安装有缺陷检测***的工业电脑(5)。
2.根据权利要求1所述的药粒在线缺陷检测***,其特征在于:所述支撑立杆(41)和所述连接横板(46)焊接固定,且所述检测箱(42)焊接在所述连接横板(46)的内壁上。
3.根据权利要求1所述的药粒在线缺陷检测***,其特征在于:所述检测箱(42)呈“凹”形结构,所述顶板(421)的两侧设置有固定条(422),所述固定条(422)通过多个紧固螺栓(423)固定在所述检测箱(42)顶部。
4.根据权利要求1所述的药粒在线缺陷检测***,其特征在于:所述彩色二值化模块用于对图像中的产品及背景进行二值化处理;所述图像降噪模块用于对去除彩色二值化后的位图进行降噪处理。
5.根据权利要求4所述的药粒在线缺陷检测***,其特征在于:所述图像检测模块包括产品面积检测模块、产品形状检测模块、产品颜色检测模块和产品污渍检测模块;
所述产品面积检测模块用于对图像中的产品面积进行检测;
所述产品形状检测模块用于对图像中的产品形状进行检测;
所述产品颜色检测模块用于对图中的产品颜色进行检测;
所述产品污渍检测模块用于对图中的产品污渍进行检测。
6.根据权利要求5所述的药粒在线缺陷检测***,其特征在于:所述样本采集模块用于采集不合格产品的图像数据和合格产品的图像数据;所述样本生成模块将不合格产品的图像数据输入生成器,并将合格产品的图像数据和生成器的映射样本进行训练;所述样本判别模块用于将对图像中的产品进行识别,并判断是否合格。
7.根据权利要求6所述的药粒在线缺陷检测***,其特征在于:所述图像对比模块包括图像导入模块和输出结果模块;
所述图像导入模块用于将图像处理模块处理后的图像数据导入样本判别模块中;
所述输出结果模块用于输出导入图像数据的判别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910421225.7A CN110174404B (zh) | 2019-05-20 | 2019-05-20 | 一种药粒在线缺陷检测装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910421225.7A CN110174404B (zh) | 2019-05-20 | 2019-05-20 | 一种药粒在线缺陷检测装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110174404A CN110174404A (zh) | 2019-08-27 |
CN110174404B true CN110174404B (zh) | 2023-03-31 |
Family
ID=67691675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910421225.7A Active CN110174404B (zh) | 2019-05-20 | 2019-05-20 | 一种药粒在线缺陷检测装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110174404B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110608686B (zh) * | 2019-10-31 | 2021-03-26 | 大连理工大学 | 一种有倒角零件的视觉测量方法和装置 |
CN110639840A (zh) * | 2019-11-05 | 2020-01-03 | 杭州升恒科技有限公司 | 一种全自动泡罩视觉检测机构及其检测方法 |
CN111175300A (zh) * | 2020-01-30 | 2020-05-19 | 上海市奉贤区中心医院 | 一种细菌耐药性产生实时观测*** |
CN115077387B (zh) * | 2022-08-22 | 2022-10-28 | 成都岁生科技有限责任公司 | 基于点云技术的斜楔检测方法 |
CN116151691A (zh) * | 2023-04-13 | 2023-05-23 | 山东一方制药有限公司 | 一种基于人工智能的中药配方颗粒制备质量监管*** |
CN117589641B (zh) * | 2024-01-19 | 2024-04-02 | 北京春风药业有限公司 | 一种用于中药颗粒生产的颗粒筛选检测*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654464A (zh) * | 2012-03-13 | 2012-09-05 | 浙江工业大学 | 基于多特征模糊识别的铜带表面缺陷检测*** |
CN102879404B (zh) * | 2012-10-07 | 2015-06-17 | 复旦大学 | 工业结构化场景中医用胶囊缺陷自动检测的*** |
CN104458755B (zh) * | 2014-11-26 | 2017-02-22 | 吴晓军 | 一种基于机器视觉的多类型材质表面缺陷检测方法 |
CN107525808A (zh) * | 2017-07-27 | 2017-12-29 | 佛山市南海区广工大数控装备协同创新研究院 | 一种生产线上泡罩药品分类及缺陷在线视觉检测方法 |
CN109719057A (zh) * | 2019-03-03 | 2019-05-07 | 西南大学 | 一种基于图像处理技术的小麦不完整粒检测装置 |
-
2019
- 2019-05-20 CN CN201910421225.7A patent/CN110174404B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110174404A (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110174404B (zh) | 一种药粒在线缺陷检测装置及*** | |
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN111784633B (zh) | 一种面向电力巡检视频的绝缘子缺损自动检测算法 | |
CN109886298A (zh) | 一种基于卷积神经网络的焊缝质量检测方法 | |
CN106442525B (zh) | 用于核桃内部干瘪缺陷的在线检测方法 | |
CN110853018B (zh) | 一种基于计算机视觉的振动台疲劳裂纹在线检测***及检测方法 | |
CN109754019B (zh) | 一种连续监测锅炉燃烧状况的方法 | |
CN101063659A (zh) | 纸张纸病检测*** | |
CN108827597B (zh) | 一种结构光投影器的光斑均匀度检测方法和检测*** | |
CN111266315A (zh) | 基于视觉分析的矿石物料在线分拣***及其方法 | |
JP2000036044A (ja) | 欠陥統合処理装置および欠陥統合処理方法 | |
CN111415339B (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN112419298A (zh) | 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质 | |
CN115494193B (zh) | 基于机器视觉单体燃烧试验火焰横向传播检测方法及*** | |
CN117152161A (zh) | 一种基于图像识别的刨花板质量检测方法及*** | |
CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
CN113362276A (zh) | 板材视觉检测方法及*** | |
CN117455843A (zh) | 一种电缆头缺陷智能化检测*** | |
CN115078382A (zh) | 基于视频图像的桥梁裂缝监测*** | |
CN116989881A (zh) | 一种基于线激光目标识别的接触线振动测量***及方法 | |
US20090303469A1 (en) | Crack measuring method and apparatus | |
CN109557098A (zh) | 基于机器视觉的金属表面检测*** | |
CN111639708B (zh) | 图像处理方法、装置、存储介质及设备 |
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 |