机器视觉技术在药品瓶包装在线检测的应用

机器视觉技术在药品瓶包装在线检测的应用撰稿人：田耀华改编备注：原作孙怀远杨丽英周夫之发布时间：2011年4月8日阅读次数：908摘要：介绍了基于HALCON机器视觉软件的药品玻璃瓶包装在线检测系统的硬件结构组成、软件平台及结构层次，以及在药品瓶包装批号、装液量、标签检测中的实际应用；指出了检测系统的特点与应用前景。关键词：机器视觉；药品包装；在线检测；系统；应用机器视觉又称计算机视觉，是用计算机来实现人的视觉功能，也就是用机器代替人眼来做测量和判断[2]，它是利用光电成像系统采集被控目标的图像，经计算机或专用的图像处理模块进行数字处理，根据图像的像素分布、亮度和颜色等信息，进行尺寸、形状、颜色等的识别。这样就把计算机的快速性、可重复性与人眼视觉的高度智能化和抽象能力有机结合起来，大大提高了生产过程检测的柔性和自动化程度，节省大量的人力，提高检验效率和确保产品质量。机器视觉技术包含光源照明技术、光成像技术、传感器技术、数字图像处理技术、机械工程技术、检测控制技术、模拟与数字视频技术、计算机技术、人机接口技术等相关技术[3]，是实现计算机集成系统的基础技术。因此，我们尝试将机器视觉技术应用于药品包装玻璃瓶质量、标签、药液装量、包装批号等在线检测中，以实现药品生产的快速、自动检测与控制。1在线检测系统构建视觉传感系统的总体理论结构可用图1表示，这是所有视觉传感系统的普遍原理及运行依据[4]。图像采集可通过触发采集或连续采集，把目标对象的光学特性变成二维信息的电信号，然后经过数据采集卡或采集设备本身所带的取样和量化功能，将其转化成数字图像。之后，计算机对数字图像进行处理，包括图像的预处理、图像增强、图像分割、特征提取等一系列步骤，最后通过图像分析进行测量和判断。1.2系统软件平台及结构1.2.1系统软件平台检测系统软件平台由机器视觉软件和智能化操作平台组成，其主要任务是分别对各硬件部分实现程序控制，并实现硬件各部分的整合。目前广泛使用的机器视觉软件主要有HALCON、EVISION和XCALIPER等。本系统采用德国MVTec的HALCON8.0，它是一个功能强大的机器视觉软件，提供了一个全面的视觉处理库，包括所有标准和高级的图像处理方法，覆盖了从不同的硬件采集图像到高级的模式匹配算法。提供了机器视觉应用程序中通常所需的一些工具，如Blob分析、形态学、模式识别、测量、数据分析等算法操作或分类等，具有快速原型化和开放结构的重要特征，可通过交互编程环境迅速开发机器视觉应用程序，或加入新的算子来融合自己的视觉功能。所以，研发重心在于：根据需要，利用HALCON强大功能进行二次开发，以实现不同目标的检测。1.2.2系统软件结构2检测系统的应用2.1药液装量检测药液装量检测实际上就是对瓶中液位进行检测。根据人的视觉原理，有效的边缘是灰度值梯度变化最大的部分[6]。实践证明，瓶子封口边缘与背景、瓶中液面与上方瓶身的灰度有显著的不同，即可以对图像根据灰度跳变点进行测量。所以，本系统采用HALCON灰度值形态学算法对实时图像进行分割处理和分析。其步骤如下：2.2药瓶批号检测针对药品包装瓶数字批号的检测，我们采用HALCON的OCR图像处理方法。OCR就是用于阅读和识别符号的方法，它被定义成解释图像某区域的任务，这些区域包括独立的字符，因此我们可以用OCR对批号中的单个数码标志进行读取。(1)获取图像：同前，调用open_framegrabber、grab_image、read_image和dev_display算子进行图像采集、读取和显示，如图7所示，并将采集的玻璃瓶图像存入HALCON图库中。(2)处理图像：采集后的图像首先要经过一定的预处理，包括灰度值调整、滤波、填充缝隙、图像分割、去边缘毛刺等，其目的就是为了使区域特征更加明显，便于后续的批号数码判断操作。由于包装瓶图像的特点，使灰度值调节较为困难，致使整个图像区域的黑白效果相近而影响了数字特征的提取。而图像灰度的高阶特征反映了缺陷的微小细节、图像成像的曝光特性和噪声干扰等特性[7]。为此，我们将数字部分隔离出来并进行旋转（如图8），以降低图像灰度值调整的难度。然后，调用threshold算子调节灰度值，使数字特征变为明显。调整灰度后的数字图像仍有黑色杂影，需采用数学形态学方法对其进行去噪处理[8]。为此，调用fill_up_shape算子填充数字内部的黑色部分，使图像数字特征更为明显；调用形态学算子opening_circle抑制杂波，以对深色部分进行处理。实践中发现灰度值调整与填充缝隙及滤波需要相互协调才能满足在线检测的要求。旋转并去噪处理后的数字是水平排列的，调用closing_rectangle1、connection、intersection、sort_region等算子并设置相关参数对水平方向字符进行合并、显示白色、分离、返回、相连、排列、显示等操作，从而得到处理好的图像并显示出来，如图9所示。(3)训练OCR：在软件系统中进行图像处理运算和判定，就是将采集的实时图像与系统中的“模板”进行比对,判断合格与否，达到自动识别[8-9]，然后输出执行信号。“模板”的建立即训练OCR需通过准备训练文件、建立和训练OCR分类器两个步骤进行。其中，定义数字串（如Trainingnumbers:=[‘9’，‘9’，‘0’，‘1’，‘0’，‘2’]）与需检测的批号是直接相关的。(4)识别数字：识别数字的过程就是读取模板、处理图形、识别对象的过程。首先，调用select_object、read_ocr_class_mlp算子选择和读取分类文件即“模板”。然后，采用步骤(2)所述处理图像的方法对新的目标图像进行处理并显示。最后,通过for循环及OCR中匹配度算子返回要求的匹配结果和匹配度。整个程序运行的结果如图10所示。(5)判断决策：经过数字识别后，当匹配结果超出预设范围时，则可做出决策，并通过剔除机构剔除“不合格”瓶。2.3药瓶标签检测检测药瓶标签状态就是要检测出药瓶标签的位置以及“标签值”是否为“0”，这是一维测量。(1)图像采集与读取:同前，完成相机的参数设置，分别调用open_framegrabber、grab_image、read_image和dev_display等算子进行图像采集、读取和显示。操作中可以用set_framegrabber_param算子修改相机的曝光时间，确定最清晰图像的曝光时间。(2)定义ROI:首先选取好一个感兴趣的区域（ROI），修改Row、Column、Length1和Length2的值，使所选矩形框包含所要测量标签的整个部分。然后选取轮廓线（ProfileLine），即在ROI内要测量的那条射线（如图11所示）。每一段射线的灰度值会被计算出来，这些连续的灰度值被称为物体的轮廓。(3)选取成对的边:设置Threshole值，使整个瓶标签都落在上下两个对边线（一组）之间，如图12所示。(4)显示结果:当瓶标签在ROI区域的对边之间，并且区间的灰度值“符合”设定范围时，则系统软件将判断为“合格”，如图13所示而当ROI区域内无标签或标签超出ROI区域时，则因指定区间的灰度值不“符合”设定范围而将被系统软件判断为“不合格”，如图14所示。“不合格”瓶将被剔除机构剔除。3结论本文的创新点在于：将机器视觉技术应用于药品瓶包装检测中，以机器代替人工完成检测、分类工作，符合GMP要求，实现了无接触式检测，具有准确度高、速度快、检测结果客观等特点，这在药品安全和检测精度上都对传统的人工检测有着重大的改进和突破，而且更是新建了一种适于现场在线检测和控制的方法,同时能够大幅降低检验成本，提高劳动生产率，并为操作者创造一个舒适的工作环境。该检测系统体现的应用技术是药品生产企业实现计算机集成控制和数字化管理的基础技术。所以，随着国内GMP的推广和深入、生产自动化程度和生产规模的不断提高、以及用户对质量问题日益重视，机器视觉技术将会在药品生产中得到更广泛的应用和发展。原作：孙怀远，杨丽英，周夫之.基于机器视觉技术的药品瓶包装在线检测系统.中国制药装备[J].总65期.2011(1)作者介绍：孙怀远，杨丽英，上海医疗器械高等专科学校；周夫之，上海睿度光电科技有限公司【添加收藏】【打印此页】【关闭】编者按：技术探讨栏主要发表一些制药机械与工艺相关技术探讨类文章，其以撰写、摘编与摘译形式为主，这些文将由业内专家及专业人士所撰稿。同时，也欢迎专业人士来稿，一旦入用后即付稿酬，稿件请投入[e-mail]邮箱，但需附注引用文献。