[发明专利]基于机器视觉检测平台的液体药瓶异物检测方法

说明书

技术领域

本发明属于机器视觉检测技术，涉及一种基于机器视觉检测平台的液体药瓶异物检测方法。

背景技术

水针制剂是非常常见的一种药品制剂，如今我国的医用注射液产量已居世界前列。但水针制剂的生产过程中,由于工艺水平的影响，水针制剂中往往无法避免地出现诸如包括玻璃屑、纤维、白点、色块及晶体析出等其它异物。这些杂质对药品的质量会产生很大的影响。由于机械平台会产生无法避免的机械振动，反映到采集到的药瓶图像就会有几个像素的平移或扭转。如果没有对图像进行精确的修正，会导致异物面积的增加，对于医药检测需要达到50微米的精度来说就是几个像素。在一般的设计中，通常采用帧间差分的方法来差除背景，凸显异物目标，但是在没有对图像进行精确的校正，会出现较高的误检率。同时由于光干扰的存在，以及溶于液体中的气泡运动的干扰，误检率会进一步增加。因此，急需一种能够解决图像的精确定位，同时去除各个工位之间的光干扰，以及液体内部的气泡的方法，来达到高精度的检测。

发明内容

本发明提出了一种基于机器视觉检测平台的液体药瓶异物检测方法，其的目的在于提出一个完整的检测液体药瓶异物的方法，克服目前技术中检测药瓶异物时，未对已经发生偏移的药瓶进行校正，未对光干扰区域进行排除，未对气泡干扰做出排除，导致的异物检测精度较低的误检率过高的问题。

为实现上述目的，本发明采用以下技术方案：

一种基于机器视觉检测平台的液体药瓶异物检测方法，包括：

步骤(1)：液体药瓶置于机器视觉检测平台上，连续采集N帧序列液体药瓶图像，其中，N为大于等于1的正整数；

步骤(2)：对采集的每一帧序列液体药瓶图像都进行均值滤波和开窗处理；

步骤(3)：获取每一帧序列液体药瓶图像的感兴趣的检测区域ROI；

步骤(4)：在感兴趣的检测区域ROI内创建基准模板，滤波和开窗处理后的液体药瓶图像与基准模板进行基于灰度特征的模板匹配；

步骤(5)：对模板匹配后的相邻两帧图像帧间进行差分处理，再进行灰度阈值分割获得第i帧图像Imagethreshold_i，其中，2≤i≤N，i为整数；

若所有图像Imagethreshold_i内都不存在异物，则药瓶内的液体合格；若任一图像Imagethreshold_i内存在异物，则根据药瓶内异物的特性来判断药瓶内液体是否合格，其判断准则为：

其中，Area_sum为异物的面积总和；Area_single为异物面积单个最大面积；Errorframes为存在异物的所有帧数；α、β分别为异物面积总和与单个异物面积的阈值，ξ为出现异物帧数的阈值。

所述感兴趣的检测区域ROI为采集到的去除光干扰、去除瓶顶部的液位运动部分和去除底部瓶座的支撑部分的液体药瓶图像。

所述步骤(4)中创建基准模板和模板匹配，包括：

步骤(4.1)：依据药瓶的图像特征，在采集得到的药瓶图像中，选择灰度特征最为明显的瓶底区域作为模板搜索区域；并设定第一帧图像为基准模板；

步骤(4.2)：采用位移帧差法分别计算第i帧图像与第一帧图像匹配后的图像。

所述步骤(4.2)的具体过程为：

步骤(4.2.1)：计算第i帧图像在y方向和x方向移动的偏移量；

ymove_i＝-(ΣRowNew_k-∑RowOld_k)/k(2)

xmove_i＝-(ΣColumnNew_k-ΣColumnOld_k)/k(3)

其中，RowNew_k为匹配后计算出的图像在y方向的像素偏差；RowOld_k为第一帧图像的模板图像的重心坐标y值；ColumnNew_k为匹配后计算出的图像在x方向的像素偏差；ColumnOld_k为第一帧图像的模板图像的重心坐标x值；k代表第一帧图像中建立的模板图像的个数；ymove_i和xmove_i分别是在y方向和x方向待校正图像所需移动的像素值；

步骤(4.2.2)：计算匹配的新图像的平移矩阵和旋转矩阵；

其中[H_t]、[H_r]分别为平移矩阵与旋转矩阵；忽略图像的旋转，认为θ＝0；