基于DSP的药品包装检测系统设计

张煜文

摘要：针对泡罩药品包装人工检测存在的易疲劳、检测效率不高的弊端，利用机器视觉技术设计一套基于嵌入式linux和达芬奇技术TMS320DM365处理器平台的药品包装在线检测系统。文章将差分进化算法与最大类间方差相结合，进行分割阈值求取，获得了很好的图像分割效果，进一步提高识别的准确率。并且充分考虑系统实时性的需求，从软硬件详述了系统的工作原理。

关键词：机器视觉；TMS320DM365；LINUX；目标识别

中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)07-1668-03

Design of Pharmaceutical Packaging Inspection System Based on DSP

ZHANG Yu-wen

(Xian University of Architecture and Technology, Xian 710055,China)

Abstract: For manual inspection of the blister drug packaging exist liable FatigueLow detection efficiency, using of machine vision technology to design a pharmaceutical packaging inspection system based on embedded linux and DaVinci technology TMS320DM365 Processor platform. In combination with the differential evolution algorithm and the OTSU algorithm Calculate the Segmentation Threshold. And give full consideration to the needs of real-time, Detailed description of the system working principle by Software and hardware.

Key words: machine vision; TMS320DM365; LINUX; target recognition

1概述

医药包装作为我国包装领域一支非常活跃的分支，其不断更新与进步见证了包装工业的飞速发展。然而目前，高速度。低效益、高消耗的粗放型增长是我国医药包装发展的典型特征，国内大多数医药产品的包装质量档次偏低，与发达国家还存在较大差距。药品包装的方式主要有瓶装、袋装、铝塑泡罩包装三种。近年来，药品的铝塑泡罩包装在我国得到了快速发展。由于在包装过程中，会出现药品漏装、缺损、污渍和蚊虫粘附等情况，因此药品包装的质量检测成为制药行业生产过程中的一个重要环节。然而，传统的人工检测会增加检测时间，又提高了生产成本，而且不能保证精确度。所以，需要一种可靠的自动识别系统来代替繁琐的人工。

本文利用高速、高性能处理器和图像处理技术，设计一套基于DSP数字图像处理器的药品包装检测系统。

2系统硬件结构

图1系统总体框图

此系统包括三部分，分别是图像采集前端、中央处理单元和剔除机构。

2.1图像采集前端

图像采集前端包括光源、采集摄像头、图像解码器三部分。

2.1.1光源

光源是机器视觉系统中的重要组成部分，它直接影响输入数据的质量。光源引起的误差很难在后期处理中消除，从而影响整个系统的识别准确度。照明系统应该尽量避免其他灯管对此的影响。而且要使被测对象和周围环境尽量分开；比如目标和背景之间的灰度值差别尽量大，可提高目标边缘的对比度，以减少后续的图像处理难度，减少处理器的计算量，提高图像处理效率[1]。

2.1.2采集摄像头

图像采集摄像头按照传感器分为CCD和CMOS两类相机。CCD和CMOS相机各有优点。CCD相机的优点是噪音相对较小，信噪比大；缺点是生产工艺复杂、成本高、功耗较大。CMOS相机优点是集成度高、功耗低、成本要低于CCD相机；缺点是噪音比较大。从原理上，CMOS的信号是以点为单位的电荷信号，而CCD是以行为单位的电流信号，前者更为敏感，速度也更快。随着CMOS相机技术的快速成熟，在信噪比、及成像的差距越来越小；CMOS相机的低功耗，又使系统对供电电源的要求有所降低；而且介于CMOS相机的价格优势，所以本设计选用CMOS相机做为采集系统的传感器。

2.1.3视频解码器

在设计好光源及相机后，模拟图像就能顺利的被采集进来。之后选用TI公司的TVP5150AM芯片作为输入模拟视频信号的A/D解码。此芯片采用14.318 18 MHz晶振，数字和模拟输入电压为1.8 V，IO口电压为3.3 V；是一款超低功耗的高性能混合信号视频解码芯片，可自动识别NTSC/PAL/SECAM制式的模拟信号。信号输入有CH1和CH2两路，并且都进行阻抗匹配设计，防止对输入信号的反射；YOUT[0：7]输出8路YCbCr信号，消隐信号可选择单独引脚HSYNC和VSYNC输出，或者内嵌于这8路信号中。PCLK／SCLK脚时钟信号可输出13.5 MHz和27 MHz两种频率。最终，TVP5150模块将由CMOS摄像头获取的模拟视频信号解码成符合ITU-R BT.656标准的数字视频信号，输出8位Y：Cb：Cr=4：2：2的数字信号，将此数字信号送入处理器进行图像的进一步处理。

图2 TVP5150应用电路图

2.2中央处理单元

中央处理器选用TI公司的TM320DM365处理器进行图像的计算和处理。TI公司TMS320DM365是一款面向多媒体技术应用的高性能，低功耗芯片。有很强的视频图像处理能力和较快的运行速度。内核方面TMS320DM365集成ARM926F_J—S[7]。H.264协处理器(HDVICP)，MPEG4/JPEG协处理器(MJCP)，能以1080p格式与10帧/s的速度提供H.264编解码功能。和以1080p格式与24帧/s的速度提供MPEG4编解码功能，以及以720p格式与30帧/s的速度提供H.264或MPEG4编解码功能。

DM365中的IPIPE，即可编程硬件图像处理模块。它把从摄像头中输出的原始图像转换成为YCbCr-4:2:2格式的数据。同时，IPIPE中的图像缩放器可以独立完成YCbCr-4:2:2图像的缩放[6]。

HDVICP是协处理器，它是一个专用的多标准高清视频编码/解码引擎。它支持H.264和WMV-9/VC-1,DM365的性能也通过IPIPE、HDVICP来增强。系统通过TI公司的TPS54316构成电源模块，来提供处理器的3.3V I/0管脚电压以及1.8V内核电压。TPS54316最大输出电流为3A，还有六种可变电压供选择，分别是0.9V，1.2V，1.5V，1.8V，2.5V，3.3V。

存储模块使用MT47H64M16HR3型号的DDR2, DM365处理器通过外部存储器接口EMIF支持外扩256MB的SRAM。本系统选用128MB的外部SRAM完成前部视频采集回来的图像数据以及处理器处理过的数据存储。

通过JTAG来调试程序，作为下载接口。DM365通过I2C总线来完成控制TVP5150以及设置它的寄存器实现特定的功能。

3系统软件设计

系统的视频采集前端摄像头采集图像数据并将采集的原始数据送入视频解码器TVP5150中进行数据解码，在它里面将模拟图像数据进行抗混叠滤波预处理、模拟数字化转换及亮度/色度、水平/垂直同步信号的分离，实现模拟信号转换成数字8位并行信号。送入处理器的数据并使用H.264算法将数据进行压缩，存入DDR2中。将DDR2分为两个Bank,Bank0和Bank1。Bank0用来存放未经处理器处理的图像数据，bank1用来存放处理器处理过的图像。引入Linux操作系统来管理和分配片上资源，提高运行效率。首先完成Linux对DM365内核的裁剪，加入DDR2、液晶显示等驱动。其中nor flash中存放Linux内核和bootloader。其次，对获取的数据进行压缩、预处理。在预处理中，对图像进行图像增强，即对图像进行改进的中值滤波[9]。改进的中值滤波方法思想是对含有噪声的图像上的每一点都以其为中心选取一个NxN的区域（考虑到计算量和时间的原因N选取5，即5维滤波窗口），在该区域内找到灰度的中值。区域内的每一点都以该中值为中心计算其权值。当某点的灰度值越接近中值其权值也越大.反之权值也就越小。这样做给噪声点的赋值非常小，在做累加的时候噪声点的值可以忽略，由此可以滤除一部分噪声点。同时累加类似于均值滤波，可以抑制高斯噪声。可以很好的处理掉图像的噪声，大大提高了图像识别的准确率。

图3 DM365处理器及外围器件框图

对于图像的阈值分割是关键的一步，阈值选取的好坏直接影响识别的结果。本文提出先运用差分进化算法对图像求去最优解T，即最佳分割阈值；然后在之前所求的最优解T的基础上选取动态值t,在[T-t,T+t]范围内再求图像中像素最大类间方差，得到最终的分割阈值。

软件实现的步骤：

1)图像预处理，将图像灰度化。

2)初始化种群，使用随机函数得到初始值。

3)确定适应度函数，并计算种群中每个个体的适应度值。

4)变异操作：在种群中随机的选取两个个体并求其差值，将差值乘以变异因子加到当前个体上来完成变异操作。

5)交叉操作：随机地从种群中选取一个不比当前向量的适应度低的个体作为当前个体的交叉对象。

6)选择操作：在完成变异操作和交叉操作之后得到的个体成为试验个体，比较当前个体与试验个体的适应度值，选择适应度值较高的个体进入下一代。

7)检查是否达到最大迭代次数。若是，则退出循环；否则，返回(3)。

8)将进化过程中适应度值最大的个体作为算法所求得的最优结果,即找到了最优阈值T。

9)设置动态阈值t在[T-t,T+t]范围内计算最大类间方差，从而得到最终分割阈值(该文中选取t=3)。

图4软件流程框图

4结束语

本文提出一种基于TMS320 DM365处理器的泡罩药品包装在线检测系统设计。利用了DM365处理器对图像高速的处理能力，提高了系统的实时性。通过对系统的测试，系统能实现之前预期的功能，可以达到90%以上的识别率。该系统成本低，维护简单具有一定的实用性。

参考文献：

[1] TAHIR N M, HUSSAIN A, MUSTAFA M, et al. Fourier descriptor for pedestrian shape recognition using support vector machine[C]//Proc

of the IEEE International Symposium on Signal Processing and Information Technology, 2007:636-641.

[2] NAN H, CHEUNG S, THINH N. Secure image filtering[C]//Proc of IEEE International Symposium on Image Processing, 2006:1553-1556.

[3] RAMADAN A. Qualitative assessment of 3D flows using a flow visualization technique[J].Measurement, 2008, 41(4):433-445.

[4]王耀南,李樹涛.计算机图像处理与识别技术[M].北京:高等教育出版社, 2003: 138-144.

[5]任丽香,马淑芬,李方慧. TMS320C6000系列DSPs的原理与应用[M].北京:电子工业出版社, 2001:79-406.

[6]孙金伟.基于DSP的机器视觉系统[D].广州:华南理工大学,2004.

[7]秦臻,曹剑中.基于TMS320DM365的高速网络摄像机的设计[J].电子设计工程,2011,19(10)121-124.

[8]蔡叶菁,彭涛,何静.等机器视觉在包装检测过程中的应用研究[J].包装工程,2003,24(2)10-14.

[9]程转伟,颉潭成.图像处理技术在表面缺陷检测中的应用[J].微计算机信息,2008(5):312-314.

[10]苏光大.微机图像处理系统[M].北京:清华大学出版社,2000:130-218.