食品包装数粒机图像检测系统设计

张州，白克

河南经贸职业学院（郑州 450000）

在众多行业中，数粒机的应用十分广泛，当然不同行业对数粒机的需求也不尽相同[1]。在小食品包装领域会使用到需要满足安全、卫生、高效、精确等要求的数粒机。随着自动化控制技术的不断发展，数粒机从最初的变频器、PLC控制模式逐渐发展到先进控制器和CCD工业相机相结合的控制模式[2-3]。虽然在检测精度和速度方面得到大幅提升，但依旧存在一些问题需要解决，如无法区分完好物料和破损物料；混入破损物料无法自动剔除等，从而影响包装质量。另外，绝大多数工厂所选用光电式数粒机，该类数粒机主要依靠光电传感器完成物料检测和计数。如果光电传感器离物料比较近，很容易同物料发生摩擦，影响其正常工作，导致检测精度降低[4-6]。

为了进一步满足高速度、高精度的生产要求，在现有数粒机的基础上加入图像处理技术，搭建一种基于机器视觉的数粒机检测系统。所述机器视觉系统主要包括图像采集、图像处理等模块组成[7-9]。以圆形片剂为主要研究对象，通过采集片剂图像并进行分析，提取待检片剂关键特征，判别片剂是否缺陷及识别其缺陷类型等。如果物料不合格，则由剔除机构去掉次品，通过试验验证所述系统的检测效率和精度。

1 系统整体框架和功能

针对圆形片剂包装过程的实际情况，在现有数粒机基础上，保持原有机械设备不变，同时搭建一套视觉检测系统。系统整体结构如图1所示，该系统主要包括料斗、输送板、图像采集和处理模块、控制系统等。

系统工作流程可简要描述为：通过倾倒方式将片剂装入料斗内；打开料斗阀门，片剂会加载到输送板；此时，输送板底部的振动机构开始工作，带动片剂向下一工序运动；如果片剂到达工业相机图像采集窗口，相机会自动采集多张图片并传输到上位机中。上位机内部的图像处理软件会对所采集图像进行分析、处理，得到最终结果并判断目标物料是否合格。如果合格则进入下一工序；如果不合格则通过分拣机构剔除。另外，系统会存储不合格物料信息，以备后期查询和分析[10]。

片剂检测系统关键部分为是视觉检测模块，为确保片剂实际检测效果，重点考虑机械设备对图像采集的影响。特别需要注意避免输送板上片剂成堆出现，因为片剂堆叠在一起不仅会造成判断结果错误，而且影响计数精度[11]。为解决此问题，对入料口进行微调，即增加一个旋转装置控制出料量。同时利用限高装置避免片剂成堆出现。

图1 系统整体架构

2 图像处理模块设计

系统图像采集和处理模块主要针对片剂破损等情况，通过特征识别和分类确定片剂完整性，可为剔除工序提供可靠依据。针对圆形片剂图像特点，可考虑采用灰度补偿算法对原始图像进行预处理；采用双边阈值获取图像目标区域；通过关键特征识别片剂缺陷。

2.1 灰度补偿预处理

通常情况下，片剂表面都是具有一定弧度的，所以片剂图像的强度信息近似呈现出一种高斯分布形式。选用改进二维高斯曲面拟合算法对片剂图像进行灰度补偿，即图像预处理。

假设原始图像可用函数f(x,y)表示，那么灰度补偿后图像可用函数g(x,y)表示。定义图像退化模型为z(x,y)，三者之间存在关系为：

式中：(x,y)为图像内部像素点坐标。

为便于分析，可定义系统坐标原点为图像左上角，所以二维高斯曲面分布可描述为：

式中：A为幅值；(x0,y0)为椭圆中心；a为椭圆长半轴；b为椭圆短半轴。考虑到实际应用中，图像退化情况从中心到边缘依次递减。进一步分析，可将式（2）改进，即：

可以发现，函数z(x,y)中心和椭圆中心重合；函数以椭圆辐射的形式从中心向四周逐渐递减。根据原始图像的灰度分布情况，可以非常容易确定图像退化模型的主要参数。

1) 椭圆中心估计

正常情况下，(x,y)平面上椭球面投影的中心应该和片剂中心基本重合。但是受相机光源的影响，投影椭圆的中心往往偏离片剂中心。综合考虑，选用FTA算法计算片剂质心，预估投影椭圆中心位置。

2) 椭圆半长轴和半短轴估计

为确定椭圆的半长轴和短长轴，可采用回转半径大体估计。所谓回转半径是指物料微分质量的集中点和转动轴之间的距离，具体表达式可描述为：

3) 幅值

幅值A作用在于比较中心片剂和边缘片剂之间的灰度值并得到二者差值，具体表达式可描述为：

式中：me和δe分别为边缘片剂灰度值的均值和标准差；mm和δm分别为中心片剂灰度值的均值和标准差。

2.2 目标区域分割

图像经预处理后，其灰度会变得比较均衡。总体上来说，中心片剂表面灰度值稍小于边缘片剂表面灰度值；中心片剂边缘灰度值稍大于边缘片剂边缘灰度值。所以，选用双边阈值法实现图像分割方法以提取图像内部目标区域。

定义图像分割阈值下限T1为片剂补偿图像的灰度均值。定义图像分割阈值上限为T2，可用中心片剂补偿图像的最大灰度值和最小灰度值之差表示。图像分割表达式可描述为：

另外，图像分割后，会存在一定数量的假边缘，可利用开运算去除这些假边缘，以确保边缘特征的准确性。

2.3 图像特征提取

片剂图像经过预处理和分割后，就可以开展目标特征提取工作。通过模板匹配分析片剂是否完整。系统选定面积、周长和圆形度作为目标特征。面积是指片剂大小，可表示为：

式中：Na为所有像素点；Nb为边缘区域像素点。

周长可用于描述片剂边缘的总长度。在计算过程中，往往会将凹凸部分当成边缘进行处理，造成计算结果大于实际周长。参考相关文献，仅考虑平滑曲线可较好地解决该问题[12]。另外，可用像素点取代实际边缘，那么周长M可表示为：

式中：Ne为偶数链码个数；N0为奇数链码个数。

圆形度主要作用在于检测药品边界，如果药品形状是比较规则的圆时，其数值会最小。圆形度C可表示为：

图像处理流程如图2所示。

3 试验研究

为验证所述方法的可行性，搭建片剂视觉测试平台，进行相关试验研究。测试样本数量为8 000个，持续试验时间2 h。试验结果如图3所示。

图3 试验结果

表1 试验数据

表2 试验结果统计

具体试验数据如表1和表2所示。从试验结果可以看出，所述数粒机检测系统能够准确地识别正常片剂和缺陷片剂；正常片剂的识别准确率可达99.4%；缺陷片剂的识别准确率可达99.7%。另外，在试验过程中统计单幅图像处理所需时间，其平均耗时需要约45 ms，处理速度较快。试验结果表明，所述数粒机控制系统具有高识别率和快速响应能力，能够满足食品包装要求。

4 结语

以食品包装数粒机检测系统为研究对象，针对圆形片剂设计一种基于图像处理技术的数粒机视觉检测系统。重点论述数粒机整体结构以及图像处理算法，包括灰度补偿图像预处理方法、图像分割、图像特征提取等。为验证所述方法的可行性，搭建片剂视觉测试平台并进行试验研究。试验结果表明，所述数粒机控制系统具有高识别率和快速响应能力，能够满足食品包装要求，同时具有一定推广价值。