机器视觉在胶囊表面缺陷识别与分拣中应用

谢邦晋

（闽江师范高等专科学校机电工程系，福建 福州 350018）

我国目前医药需求量大，生产企业众多，胶囊是平时常见的药物类型，严格把控质量是目前各个领域的重中之重。国家食品药品检测细则要求越来越高，传统人工灯光检测已经无法保证质量过关，导致医药企业生产效率下滑。根据机器视觉技术，对胶囊的质量检测进行把控，节约人工成本，提高生产质量。人工智能的应用，快速筛选出不合格产品，胶囊的表面缺陷具体表现有：气泡、裂缝、凹凸、颜色等等，这些通过人工检测很容易忽略掉其中几点，但严格的机器算法便可将失误率降至最低。国家现在大力的研究机器视觉技术，应用应当更加广泛，通过结合图像识别处理功能，不断推动技术发展，加速医药领域进步。

1 机器视觉技术研究现状

胶囊表面缺陷识别和分拣工作如今可以通过人工智能实现，机器视觉技术的关键核心就在于产品图像的采集和计算机算法程序的运转。国内外专家不断进行技术改造，慢慢将这种技术应用于生产流水线，有实验室走向了企业内。对于不同的检验方面都有不同的要求，将这些算法同时运转，快速得出结果是一项大型程序。对于胶囊的表面质量把控，尺寸、气泡、裂口、凹凸、颜色任何一个不过关即为不合格产品，进而在分拣时应被筛出。完成了一套用于胶囊缺陷特征提取和缺陷识别的算法。包括从直接采集得到胶囊模组中提取出单个胶囊体，胶囊图像的滤波，区域分割和缺陷边缘检测，获取了胶囊缺陷的特征值，将神经网络引入了胶囊缺陷的识别，最终实现了较高的识别准确率。

1.1 针对胶囊外形进行检测研究

尺寸、颜色等都是对胶囊外形的检测要求，尺寸严格符合标准，颜色没有色差才可以批准出厂。通过胶囊的灰度图像可以进行外形方面的检测，这种算法首先进行图像识别，之后按照如下顺序进行计算机计算：生物形态分析→轮廓锁定→中值滤波扫描→几何模块计算→直方分割，该种算法应用到生产线中，失误率仅仅为2%，并且极大的提高了检测速度。其中的中值滤波检测，是一项特殊算法，其应用于图像识别后的轮廓检测，对细微的边缘误差精准分析，形成数据，是具有突破性的一步。

1.2 针对胶囊完整性进行检测研究

完整性是上文所提到的气泡、裂口、凹凸等因素，这涉及到胶囊的缺损问题。对于完整性检测，采用局部二值化方法，通过图像识别，对整体形态进行分析投影，专家研究设计出贝叶斯分类器，其能够顺利完成分析后的胶囊检测分割。该种方法在检测胶囊表面完整性上失误率仅仅为0.05%，速度极快，完全达到国家要求，推动医药企业生产。完整性关乎质量，有缺陷会影响药物的稳定性和人体吸收，想要确保质量过关，必须进行细致研究。

2 图像识别装置研究

图像识别装置是机器视觉技术能顺利应用的基础，是这个技术的第一道核心。图像的识别包括轮廓、色彩、形态等等，装置由光源、镜头、捕捉系统组成，要根据不同的检测要求对相应部分进行图像识别。如上文提到的外形、完整性，针对特征进行装置的研究设计。针对胶囊表面的检测问题，找出其缺陷，成像采用LED 光源进行照射。胶囊进入机器视觉系统，由入口处送至转盘结构，在转盘结构内将大量胶囊进行单粒分割，以粒为单位继续向前传送。当胶囊传送到指定位置，光源开始进行照射，根据计算机算法的设定，如：200 粒/秒，参照如此速度镜头开始运转，捕捉系统对单粒胶囊进行图像识别。这里相当于光电传感器的原理，通过光源及计算机算法的设定，时间控制数量，图像识别装置便可以快速进行频闪捕捉。捕捉后进入程序进行分析，如有需要可在传送过程中配合捕捉系统进行360 度无死角图像识别，分析后于标准数据进行比对，由计算机识别出合格和不合格产品，传输至下一个算法程序，进行分拣。在机器旁加以人工辅助，对计算数据及检测成果进行查验，更进一步的提高产品质量，同时人工成本得到控制。

2.1 光源研究

在图像识别装置中，光源是后续捕捉的基础。由上文所提出的灰度图像检测为例，其目的为通过光源效果对单粒胶囊不同部位进行灰度区分，从而对各部位进行不同要求的检测分析。光源控制的越好，成像效果越好，研究光源的方式方法，结合算法速率，才能通过捕捉系统对药物进行频闪照相。如果光源控制不合理，那么成像灰度不够明显，那么整体就没有对比度，在进行分析时误差将大大增大，导致产品质量的不过关。对于光源，控制的水平越高，那么误差越小，研究光源速率为重中之重。不停地运转中。频闪速率与传送速率相同，光源模式合理，那么成像即为高品质，检测自然顺利。机器的操控也更加简单便捷，不需要人工进行不断调试。科技飞速进步，专家们大大的降低了误差，推动了机器视觉技术的应用。

光源的应用主要研究方向为下面几个方面：（1）光源来源的选择；（2）光源的反射效果；（3）光源的特性；（4）光源对物体的影响。不同的胶囊类型，在使用的原材料上也有所区别，那么光源的选择也要随之变化。研究光源，如LED 灯，它在不同材料上的反射效果有所不同，对于背景也有所要求，其提供的照明稳定、成本低、频闪易于控制。分析每类光源的特性，综合考虑以上几个方面，是目前研究的重要方向。

2.2 镜头研究

传送至图像识别装置后，要进行图像采集，镜头便是采集的关键。机器视觉技术中所应用的镜头一般有两个部分：光学感应镜头和机械控制系统，由于最终检测要求中种类繁多，并不是一张图像便可以达到要求，在光源频闪下，360度的成像，镜头在捕捉系统的控制中不断工作。光学感应系统为主要的镜头部分，而机械控制系统更多的设计计算机科学。光学感应镜头主要为很多个透镜，一层层进行成像，最终抓住每一个检测要点，对每一处特征进行细节精确成像，要求高品质、高清晰度、高对比度。机械控制系统便是操控镜头运转的部分，角度、高度、感光度，不同的捕捉要求下，系统极快的进行反应，均为人工智能技术，无需人力操控，精准自动，在计算机科学技术的推动下越来越成熟。焦距的确定是整体镜头的运转的关键，自动调焦下，不同的感光度要求下，焦距通过系统控制，展现出不同视角、景深。

2.3 捕捉系统

捕捉系统为最后成像确立系统，经过研究设计，配合光源的频闪速率、胶囊传送速率、光学感应镜头，加以机械控制系统的操控，捕捉系统已设定的速率对单粒胶囊进行多次成像。灰度、对比度、感光度、视角、景深等等很多方面每一次达到设定要求，实现对单粒胶囊的360 度图像识别。捕捉系统相当于平时生活中的照相机人脸识别模式，在识别到应当检测部分后，想人们按下快门一样，系统迅速反应，形成图像，完成采集。

3 结语

机器视觉技术应用于胶囊表面缺陷识别和分拣是医药生产领域的突破，结合了光学、机械、计算机、生物科学等等研究成果，精准捕捉。人类科学的进步，让专家们有了研究资本，不断的实现人工自由、机械自主。利用机器视觉技术，解决漏检、低效等问题，经过不断的研究测试，已经将失误率降至很低，所以在现代企业生产中可以大规模应用。

当然，机器视觉技术还有很多进步空间。我们应当继续深入研究如何保障系统结构的稳定，让机器在不断的运转中仍可以保持平均的准确率；我们应当继续研究更加先进的算法，争取进一步提高整体速率，提高生产效率。不断进步中的人工智能技术，加以人工的辅助，必定会推动着各行各业继续向前，创造出更美好的人类社会。