成功利用机器视觉检测泡罩的步骤
基于机器视觉的泡罩药板穿泡缺陷检测方法
有更高的准确度和可行性。
关键词：级联检测；纹理抑制；频谱能量；频域滤波器；阈值分割；缺陷定位
中图分类号：TB487；TP391
文献标志码：A
Defect Detection Method of Drugs Blister Board Based on Machine Visions
Gu
0 引言
目前，绝大多数文献只对药板上药粒缺陷进 行研究与检测，而忽略了药板上的缺陷。在实际 生产过程中，药片在经铝塑机包装密封时，药板表 面会存在多种问题，这些问题直接影响了药品的 质量和外观；同时，由于药板背景纹理的复杂性， 更是加大了药片缺陷检测的复杂度。因此，急需 研究一种基于药板复杂纹理背景下的细微缺陷检 测方法。本文针对药板上的穿泡缺陷，提出一种 实用性算法，并取得了较好的应用效果。
58 第 37 卷第 4 期 doi：10.3969/j.issn.1005-1295.2019.04.014
测试技术
包装与食品机械
2019 年 8 月
基于机器视觉的泡罩药板穿泡缺陷检测方法
谷紫颖，唐启慧，李振华
（山东大学 控制科学与工程学院，济南 250061）
摘 要：为提高工业生产线上对药板穿泡缺陷的检测速度与准确度，提出一种实用性算法。该算法采用级联检测方法，提
（School of Control Science & Engineering，Shandong University，Jinan 250061，China）
Abstract：A practical algorithm was proposed in order to improve the detection speed and accuracy of the bubble defect detection on the industrial production line. Firstly，based on the cascade detection method，a sub-image gray-scale difference algorithm was proposed to locate defects roughly.Then，an improved texture suppression algorithm based on Gabor filtering was proposed. Then， a high-efficiency bandpass filter with directionality was designed through analysis of the spectral energy to realize reconstruction of defect image. Finally，the selective block iterative threshold method was used to realize threshold segmentation，so that the defective position was located successfully. Through image test of a few tablets by MATLAB，the detection accuracy of defects reached 95.29%.Compared with the traditional method，this method has higher accuracy and feasibility. key words：cascade detection；texture suppression；spectral energy；frequency-domain filter；threshold segmentation；defect location
机器视觉检测的过程和原理
机器视觉检测的过程和原理
机器视觉检测是指利用计算机视觉技术对图像或视频进行分析和理解，从中提取出所需要的信息或对象的过程。
它一般包括以下几个步骤：
1. 图像采集：通过摄像头或其他图像采集设备获取图像或视频。
2. 图像预处理：对采集到的图像进行预处理，包括去噪、增强、边缘检测等。
3. 物体检测：利用目标检测算法，对图像中的物体或感兴趣区域进行识别和标记。
4. 特征提取：从检测到的物体中提取关键特征，如颜色、纹理、形状等。
5. 特征匹配：将提取到的特征与数据库中的特征进行匹配，从而得到物体的种类或其他相关信息。
6. 结果分析与显示：根据匹配结果进行分析和判定，并将结果可视化显示出来，如在图像中标注物体位置、显示物体类别等。
机器视觉检测的原理主要包括以下几个方面：
1. 图像处理：利用数字图像处理技术对图像进行预处理，包括滤波、增强、边
缘检测等，以提高图像的质量和减少干扰。
2. 特征提取：从图像中提取关键特征，如颜色、纹理、形状等，通过分析这些特征可以对物体进行识别和分类。
3. 目标检测：采用目标检测算法，如基于深度学习的目标检测算法（如Faster R-CNN、YOLO等），通过对图像进行多次卷积、池化和全连接等操作，最终得到目标物体的位置和类别。
4. 特征匹配：将提取到的特征与数据库中的特征进行匹配，比较它们的相似性，从而确定物体的种类或相关信息。
5. 结果分析与显示：根据匹配结果进行分析和判定，并将结果可视化显示出来，如在图像中标注物体位置、显示物体类别等。
机器视觉质检流程
机器视觉质检流程引言：随着制造业的快速发展，质量控制变得越来越重要。
传统的人工质检方法不仅耗时耗力，而且容易出错。
机器视觉质检技术的应用，通过使用相机和图像处理算法，能够快速、准确地检测产品的质量。
本文将介绍机器视觉质检的流程及其重要性。
一、图像采集机器视觉质检的第一步是图像采集。
这通常通过在生产线上安装相机来实现。
相机可以捕捉到产品的图像，并将其传输到图像处理系统。
为了获得高质量的图像，相机的配置和设置需要根据具体的质检需求进行调整。
二、图像预处理获得图像后，需要对其进行预处理，以便更好地提取产品的特征。
图像预处理的步骤包括去噪、灰度转换、图像增强等。
去噪可以通过滤波算法实现，灰度转换可以将彩色图像转换为灰度图像，图像增强可以提高图像的对比度和清晰度。
三、特征提取在图像预处理之后，需要从图像中提取出与质检相关的特征。
特征可以是产品的外观特征、尺寸特征、缺陷特征等。
根据不同的质检要求，可以采用不同的特征提取算法，比如边缘检测算法、颜色识别算法等。
特征提取的目的是将图像中的信息转化为可供机器学习和判定的形式。
四、缺陷检测特征提取之后，就可以进行缺陷检测了。
缺陷检测是机器视觉质检的核心环节。
通过比对提取到的特征与预设的标准特征，可以判断产品是否存在缺陷。
常用的缺陷检测方法包括模板匹配、机器学习和深度学习等。
这些方法可以根据质检需求进行选择，以实现高效准确的缺陷检测。
五、分类判定在缺陷检测之后，需要对产品进行分类判定。
根据质检结果，可以将产品分为合格品和不合格品。
分类判定可以通过阈值法、规则法、机器学习等方法实现。
合格品可以继续生产流程，而不合格品则需要进行再处理或者淘汰。
六、数据分析和统计机器视觉质检不仅可以提供产品的合格与否判定，还可以对质检数据进行分析和统计。
通过对大量的质检数据进行分析，可以了解产品的质量状况、生产过程的稳定性等。
这对于制定质量改进措施和提升生产效率具有重要意义。
七、反馈控制机器视觉质检的反馈控制是质检流程中的最后一步。
基于机器视觉的玻璃瓶口缺陷检测方法
基于机器视觉的玻璃瓶口缺陷检测方法随着工业化的发展，玻璃瓶已经成为了我们生活中不可或缺的物品之一。
然而，由于生产过程中的各种原因，玻璃瓶口上可能会出现一些缺陷，这些缺陷会影响到瓶子的密封性能，从而影响到产品的质量。
因此，如何快速、准确地检测玻璃瓶口的缺陷，成为了一个亟待解决的问题。
近年来，基于机器视觉的玻璃瓶口缺陷检测方法逐渐成为了研究的热点。
这种方法利用计算机视觉技术，通过对瓶口图像的处理和分析，来实现对瓶口缺陷的检测。
具体来说，这种方法主要包括以下几个步骤：1. 图像采集：利用相机等设备对玻璃瓶口进行拍摄，获取瓶口图像。
2. 图像预处理：对采集到的图像进行预处理，包括去噪、灰度化、二值化等操作，以便于后续的图像分析。
3. 特征提取：利用图像处理技术，提取瓶口图像中的特征信息，如边缘、角点等。
4. 缺陷检测：根据提取到的特征信息，结合一定的算法模型，对瓶口图像进行缺陷检测。
5. 结果输出：将检测结果输出，以便于后续的处理和分析。
基于机器视觉的玻璃瓶口缺陷检测方法具有以下优点：1. 高效性：利用计算机视觉技术，可以快速、准确地对瓶口缺陷进行检测，大大提高了检测效率。
2. 自动化：该方法可以实现自动化检测，减少了人工干预，降低了人工误差。
3. 精度高：利用图像处理技术，可以对瓶口图像进行高精度的分析和处理，从而实现对瓶口缺陷的精准检测。
4. 可靠性高：该方法可以避免人为因素对检测结果的影响，提高了检测结果的可靠性。
总之，基于机器视觉的玻璃瓶口缺陷检测方法是一种高效、自动化、精度高、可靠性高的检测方法，可以有效地提高玻璃瓶生产的质量和效率。
随着计算机视觉技术的不断发展，相信这种方法在未来会得到更广泛的应用和推广。
机器视觉检测系统的工作原理及检测流程
机器视觉检测系统的工作原理及检测流程各位读友大家好，此文档由网络收集而来，欢迎您下载，谢谢在机器视觉检测系统工作流程中，主要分为图像信息获取、图像信息处理和机电系统执行检测结果3个部分，另外根据系统需要还可以实时地通过人机界面进行参数设置和调整。
当被检测的对象运动到某一设定时会被传感器发现，传感器会向PLC控制器发送“探测到被检测物体”的电脉冲信号，PLC控制器经过计算得出何时物体将移动到CCD工业相机的采集，然后准确地向图像采集卡发送触发信号，采集开检测的此信号后会立即要求CCD工业相机采集图像。
被采集到的物体图像会以BMP文件的格式送到工控机，然后调用专用的分析工具软件对图像进行分析处理，得出被检测对象是否符合预设要求的结论，根据“合格”或“不合格”信号，执行机会对被检测物体作出相应的处理。
系统如此循环工作，完成对被检测物体队列连续处理。
如下图所示。
①工件定位传感器探测到被检测物体已经运动到接近机器视觉摄像系统的视野中心，向机器视觉检测系统的图像采集单元发送触发脉冲。
②机器视觉检测系统的图像采集单元按照事先设定的程序和延时，分别向摄像机和照明系统发出触发脉冲。
③机器视觉摄像机停止目前的扫描，重新开始新的一帧扫描，或者机器视觉摄像机在触发脉冲来到之前处于等待状态，触发脉冲到来后启动一帧扫描。
⑦机器视觉检测系统的图像采集单元接收模拟视频信号通过A/D转换器将其数字化，或者是直接接收机器视觉摄像机数字化后的数字视频信号。
从上述的工作流程可以看出，机器视觉检测系统是一种相对复杂的系统。
大多和检测对象都是运动的物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。
在某些应用领域，例如机器人、飞行物体制导等，对整个系统或者系统的一部分的重量、体积和功耗等都会有严格的要求。
③特征提取：处理器识别并量化图像的关键特征，例如、数量、面积等。
然后将这些数据传送到控制程序。
使用计算机视觉技术进行目标检测的步骤
使用计算机视觉技术进行目标检测的步骤计算机视觉技术是一种利用计算机和数学方法来模拟和理解人类视觉系统的技术。
其中，目标检测是计算机视觉技术中的一个重要研究方向，它旨在从图像或视频中准确地辨别并定位特定目标。
目标检测可以应用于许多领域，如智能监控、自动驾驶、人脸识别等。
在本文中，我们将介绍使用计算机视觉技术进行目标检测的步骤。
第一步是数据收集和准备。
目标检测任务需要大量的图像数据作为训练集。
这些数据应包含各种不同的目标类别，并且应该有多角度、不同背景和光照条件的图像。
此外，还需要为每个目标类别标注边界框，用于指示目标的位置和大小。
收集和准备数据是目标检测的关键步骤，确保数据的质量和多样性对于模型的准确性至关重要。
第二步是选择合适的模型。
目标检测的常用模型有R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD等。
每种模型都有其优势和限制，选择合适的模型取决于应用场景、要求和计算资源。
通常，这些模型都是使用深度学习框架来实现的，如TensorFlow、PyTorch等。
第三步是训练目标检测模型。
使用准备好的数据集和选定的模型，我们需要将模型训练以学习目标的特征和位置。
这个过程涉及到前向传播和反向传播，通过最小化损失函数来优化模型的参数。
此外，在训练过程中，还需要进行数据增强和正则化等技术来提高模型的泛化能力和鲁棒性。
第四步是模型评估和调优。
在训练完成后，我们需要评估模型在测试集上的性能。
常用的评估指标包括精确度、召回率、准确度和F1分数等。
通过分析模型在不同类别上的表现，可以确定是否需要进行调优或改进。
常见的调优方法包括修改模型结构、调整超参数和增加训练数据等。
第五步是目标检测应用。
一旦训练好的模型能够准确地检测和定位目标，我们可以将其应用于实际场景。
这涉及到从图像或视频中提取特征、使用预训练模型进行目标检测以及后续的应用操作。
应用场景可能是安防监控、无人驾驶、人脸识别等领域。
铝塑泡罩包装机器视觉在线检测系统
初 始值设置
Ｉ
Ｉ 相对位置、 （ 偏移量、 径及锚ｌ
形 ，待 处理子 矩 形的设 置 ●
２ 系 统 设 计
２ １ 硬 件 构成 ．
ｌ 萋 篓 藿茎 鬓
根 据用 户 提 出 的要求 ， 于 机 器视 觉 原 理 ， 们 基 我
设计 了如 图 １ 示 的铝 塑 泡 罩药 片包 装 自动检 测 系 所 统 。 系统 由光 源 ， 头 ， Ｃ 镜 Ｃ Ｄ照 相机 （ 用 日本 Ｓ Ｎ 选 ＯＹ
３ 结 语
本 系 统 已经 应用 于 某制 药企 业 药 品包 装 生产 线
［］株洲工 学院学报 ，Ｏ２ １（ ） １ ． Ｊ． ２ Ｏ ，６４ ：－ ４
［］ 朱 淼 良． 算 机 视 觉 ［ ．杭 州 ： 江 大 学 出 版 社 ， ５ 计 Ｍ］ 浙
感 兴趣 的 物体 是 否存 在 并确 定 其 位 置 ； 者 ， 或 区分 标 识 图像 中被测 物 体 的类 别 。 理 解 描述 则 是从 二 维 图像 中估 计 推 断 出物 体 的
三 维立 体 信息 ， 包括 三 维空 间 位 置 、 面形 状 的朝 向 表 等。
Ｉ
Ｉ系统初始化 ｌ 标准取样
收 稿 日期 ：０２ １－８ ２０ ．０２
作者简 介 ： 涛 ， ， 彭 女 湖南 汉寿人 ， 中南大学 在读博士生 ， 株洲工学 院副教授 。主要从 事过程控 制 ， 障诊 断等方 面的研究 。 故
１４ ５
维普资讯
彭涛等
铝塑泡罩包 装机器视觉 在线检测 系统
Ａｎ ０ ｌ ｔ ｃ ｉ ｎ Ｓ ｓ ｅ ｏ ｏ ｕ ｔ ｏ ｎ—ｉ Ｄｅ ｅ ｔ０ ｙ ｔ ｍ ｆ ｒ Ｐｒ ｄ ｃ ｆ ｎｅ Ａｌ ｍ ｉ ｕ — ｌ ｓｉ ａ ｅ ａ ｋ Ｐａ ｋａ ｅ ｕ ｎ ｍ ｐ ａ ｔｃ Ｆｏ ｍ ｄ Ｍ ｓ ｃ ｇ
一种基于机器视觉药品泡罩包装缺陷检测方法及系统[发明专利]
![一种基于机器视觉药品泡罩包装缺陷检测方法及系统[发明专利]](https://img.taocdn.com/s3/m/8f696249b0717fd5370cdc85.png)
专利名称：一种基于机器视觉药品泡罩包装缺陷检测方法及系统
专利类型：发明专利
发明人：黄远民,易铭,杨伟航,杨元凯
申请号：CN201810107074.3
申请日：20180202
公开号：CN108344743A
公开日：
20180731
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于机器视觉药品泡罩包装检测方法及系统，其包括以下步骤：步骤一，图像采集，采用激光发射器投射到包装好的泡罩上，采集图像信息；步骤二，图像信息处理，包括图像的增强、恢复、编码和灰度变换，对图像进行噪声的去除；步骤三，图像分割，阀值设置；步骤四，图像边缘跟踪，利用Canny边缘检测算法检测泡罩边缘；步骤五，提取图像特征，对分解的图像进行阈值设定，阀值提取相应区域的图像特征；步骤六，提取分割药品的颜色、位置、尺寸和形状；步骤七，选择药片位置、尺寸、形状和表面缺陷尺寸的容差；步骤八，存储标准模板，药片特征和容差值；步骤九，对缺陷药片和对应的泡罩打上标签；步骤十，最后进行数据存储。
申请人：佛山职业技术学院
地址：528137 广东省佛山市三水区乐平镇职教路3号
国籍：CN
代理机构：深圳市君胜知识产权代理事务所(普通合伙)
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
成功利用机器视觉检测泡罩的步骤
机器视觉技术在成本，质量上的优势能取代人的视觉任务，它速度快，能重复，测量精确。
这里是成功利用机器视觉完成任务的步骤。
什么任务？机器视觉有三个一般的能力：1.特定区域或搜寻你感兴趣的目标的位置。
当机器视觉用于指导机器人分派任务和跟踪移动的物体。
2.判别能告诉你从一些可能的物体中找出特殊的物体。
位置和判别常常组合到一个任务里，因为在找一个物体之前你不得不找到它并判别它。
光学字符识别和二维码被用在识别一个
机器视觉技术在成本，质量上的优势能取代人的视觉任务，它速度快，能重复，测量精确。
这里是成功利用机器视觉完成任务的步骤。
什么任务？
机器视觉有三个一般的能力：
1. 特定区域或搜寻你感兴趣的目标的位置。
当机器视觉用于指导机器人分派任务和跟踪移动的物体。
2. 判别能告诉你从一些可能的物体中找出特殊的物体。
位置和判别常常组合到一个任务里，因为在找一个物体之前你不得不找到它并判别它。
光学字符识别和二维码被用在识别一个物体，然后读出来。
3. 检测对象的正确的尺寸，适合的质量标准，一些缺陷等。
明知这些条款将帮助你明确你的工作任务及和视觉供应商沟通。
怎样挑选一个优良的视觉供应商呢？
供应商的选择，基于一贯的准则是能力，信誉，成本和便于整合。
这里有两个重要的规定：
1. 供应商说，他们可以做你的任务，但他们有能够做吗？如果可能的话，让供应商证明他们可以做你的任务或提供他们做相似任务的借鉴。
2. 教视觉系统做你的任务是多么容易？新的机器视觉处理使教学容易，你不可能提供一个月的工作时间来编写视觉系统程序。
在很多案例中，你的视觉由供应商的分销商或系统集成商来提供服务。
这分销商或系统集成商能提供你需要的和能帮助你集成的充足的构件。
然而，一个优良的视觉提供商能在你有问题时或需要帮助的时候能及时的存在。
选择和设置系统构成
视觉提供商供给视觉处理机（特殊的计算机），软件，和支持视觉系统的配套构件——光源，光学镜头，摄像机，触发传感器，解码器等等。
你必须选择和安排组件为视觉处理器得到一个需要找出的，判别的，检测的明确的图像。
这些有困难要求从你的供应商，分销商和集成商那里得到帮助。
问题是，对我们人来说，显而易见的，但对机器视觉来说，没有目标对象的清晰显示，灯光，摄像机，和小心谨慎的设置是很困难的。
例如，当看一个玻璃杯的裂缝时，你移动灯光，和你的头和眼睛就可以看到裂缝，如果你用玻璃杯作为摄像机的目标，机器视觉是不能看到那裂缝的，除非你精心安排了玻璃杯，光源和相机。
图一显示了视图的组件检测药丸的泡罩的一个侧面。
触发传感器在药丸卡片在相机的视野范围内就触发视觉处理器得到一副图像，而锅形光源能在阴暗的环境下得到塑料水泡的各个面的漫射光。
从摄像机得到的图像由VA40视觉系统来处理并控制拒绝不合格的药丸卡片。
图一，使用我们一般的视觉任务条款：
（1）这药丸卡片的位置要大约能被传感器和视觉处理器准确的得到。
一旦这卡片的位置知道了，那水泡的位置也就知道了。
（2）在这个例子中的判别包括药丸有或者没有，以及正确的形状，颜色，确保产品正确的包装。
你必须要读一些检测药丸卡片产品上的文字和代码。
（3）检测包括确保药丸是否在泡罩里，是不是破了，或者有缺陷或有别的异物。
教学任务
当机器视觉系统能看到你感兴趣的详细部位时，你应该教它定位，识别和检测。
教学和规划视觉系统是一个主要的任务，常要求机器视觉工程师方面的专家帮助。
Ipd公司有能使你很快学习和容易掌握有着多年经验和友好截面的iNspect软件，例如VA40（看图二）
图二，iNspect的监视屏幕提供图形反馈的检测的容易识别的结果。
开始视觉吧！
具有良好的供应商，有着恰当的构件设置，有着便于使用教你完成你的任务的软件，你可以在短短数天就能运行一个机器视觉系统，当你积累了更多的经验了，你就可以应用机器视觉做更具有挑战性的任务了。