计算机视觉在产品检测中的应用
计算机视觉技术在农产品质量检测中的应用
计算机视觉技术在农产品质量检测中的应用计算机视觉技术在农业领域的应用正日益受到重视，其中之一就是农产品质量检测。
传统的农产品质量检测方法通常依赖于人工操作，存在不稳定、效率低下以及主观性强等问题。
而计算机视觉技术通过图像处理和分析，能够实现对农产品的自动化、高效率、客观性的检测，有助于提升农产品质量控制的水平。
一、计算机视觉技术在农产品质量检测中的原理计算机视觉技术主要依靠图像处理和分析算法来实现对农产品质量的检测。
首先，通过专用设备（如高分辨率相机）对农产品进行拍摄获取图像。
接下来，利用图像处理算法对图像进行预处理，包括去噪、增强对比度等，以提高图像质量。
然后，通过提取图像中的特征，如颜色、形状、纹理等，来描述农产品的特性。
最后，利用特定的分类算法或机器学习模型对特征进行分析和判别，以判断农产品是否符合质量要求。
二、1. 外观质量检测农产品的外观质量是消费者重视的一方面，计算机视觉技术可以通过图像处理和分析，对农产品的外观特征进行检测和评估。
例如，对水果的颜色、大小、形状进行分析，能够判断水果的成熟度和质量。
对蔬菜的表面缺陷、畸形进行检测，可以排除有病害或损伤的农产品，提高产品质量。
2. 内部品质检测农产品的内部品质是衡量其食用价值的重要指标，而计算机视觉技术可以通过透视图像或断面图像的分析，对农产品的内部品质进行评估。
例如，对粮食的杂质、虫蛀等进行检测，可以提高粮食的纯度和质量。
对蔬菜的贮藏部位进行断面图像分析，可以判断蔬菜是否存在腐烂或吸收过多水分。
3. 检测与分级农产品的大小、重量等指标是与质量直接相关的特征，计算机视觉技术可以通过分析图像中的对象大小、像素密度等特征来对农产品进行尺寸检测和分级。
例如，对水果进行尺寸检测，可以自动分选水果，提高生产效率和产品质量。
4. 植检与农药残留检测农产品的植检和农药残留检测是保证农产品质量和安全的重要环节，计算机视觉技术可以通过图像处理和分析，实现对农产品的植被与农药残留的检测。
计算机视觉技术在工业检测中的应用
计算机视觉技术在工业检测中的应用概述：随着科技的不断发展，计算机视觉技术在工业检测中的应用逐渐增多。
计算机视觉技术利用摄像头或相机获取图像信息，并使用图像处理和分析算法进行自动化检测和识别。
该技术在工业检测中具有广泛的应用范围，包括缺陷检测、产品质量控制、物体识别与定位等。
一、缺陷检测：计算机视觉技术在工业生产中广泛应用于产品缺陷检测。
通过采集产品的图像和视频数据，计算机视觉系统可以分析和检测产品表面的缺陷，如瑕疵、裂纹、划痕等。
通过使用优化的图像处理算法和机器学习技术，该系统可以自动识别和分类缺陷，并及时发出警报以进行进一步处理。
这种自动化的缺陷检测系统不仅提高了产品质量，还减少了人工检测的成本和时间。
二、产品质量控制：计算机视觉技术还可用于产品质量控制。
在生产线上，计算机视觉系统可以实时检测产品的尺寸、形状、颜色等质量特征，以确保产品符合规定的标准。
通过安装相机和传感器，系统可以快速捕捉产品的图像，并使用图像处理算法进行分析和比对，以测量并记录产品的质量数据。
如果产品不符合规定的标准，系统会自动发出警报，以便及时采取措施来纠正问题。
三、物体识别与定位：计算机视觉技术在工业检测中还可用于物体识别与定位。
在生产线上，通过使用摄像头或相机拍摄产品的图像，计算机视觉系统可以识别和定位产品的位置和方向。
系统会使用先进的图像处理算法来提取和比较产品的特征，以确定产品的类型和位置。
这种技术可以帮助工人精确地安装和定位零部件，提高生产效率和减少错误。
四、自动化流程：计算机视觉技术在工业检测中的应用还可以实现自动化流程。
通过结合机器学习和人工智能技术，计算机视觉系统可以自动学习和适应不同的产品和情况。
一旦系统经过训练，它就能够自动识别和分析产品的图像，并自动进行决策和推理。
这种自动化流程大大提高了生产线的效率和准确性，减少了人为错误的风险。
结论：计算机视觉技术在工业检测中的应用，大大提高了生产线的效率和准确性。
计算机视觉的应用领域
计算机视觉的应用领域计算机视觉是一门研究如何使机器“看”的科学与技术，其应用领域非常广泛。
无论是在工业制造、医疗诊断还是智能交通等领域，计算机视觉的技术都发挥着重要的作用。
本文将就计算机视觉在以下几个应用领域中的具体应用进行探讨和阐述。
一、工业制造领域在工业制造领域，计算机视觉的应用主要体现在生产线的自动化和质量检测方面。
例如，利用计算机视觉的技术，可以实现对产品表面缺陷的自动检测，大大提高产品质量和生产效率。
此外，计算机视觉还可以用于产品的自动分类和组装，使生产线的工作更加高效和精准。
二、医疗诊断领域计算机视觉在医疗诊断领域的应用同样具有巨大潜力。
通过分析医学影像，如X光片、CT扫描等，计算机视觉可以帮助医生快速准确地发现疾病并做出诊断。
例如，在肿瘤检测中，计算机视觉可以辅助医生自动识别和分析医学影像中的肿瘤区域，提高诊断的准确性和效率。
三、智能交通领域计算机视觉在智能交通领域的应用可以帮助实现交通管理的智能化和自动化。
例如，通过视频监控和计算机视觉技术，可以实现交通事故的实时监测和自动报警，提高交通安全性。
此外，计算机视觉还可以用于车辆识别和跟踪，实现智能交通信号灯的控制和优化，提高交通流畅度和效率。
四、安防监控领域计算机视觉在安防监控领域的应用已经得到广泛应用。
通过智能视频监控系统，计算机视觉可以实现对人、车、物等目标的实时识别和跟踪，以及异常行为的自动检测和报警。
这在保护人民生命财产安全方面起到了重要的作用。
此外，计算机视觉还可以应用于图像加密和解密领域，保障信息安全。
五、虚拟现实领域计算机视觉在虚拟现实领域中的应用也非常广泛。
通过结合计算机视觉技术和虚拟现实技术，可以实现沉浸式的虚拟现实体验。
例如，通过追踪用户的头部运动和眼睛的焦点，计算机视觉可以实时调整虚拟环境的视景，提供更真实、更逼真的虚拟现实效果。
此外，计算机视觉还可以用于虚拟现实游戏的互动和控制。
综上所述，计算机视觉的应用领域非常广泛，涵盖了工业制造、医疗诊断、智能交通、安防监控和虚拟现实等各个领域。
视觉检测应用案例
视觉检测应用案例
随着计算机视觉技术的快速发展，视觉检测应用已经广泛应用于各个领域。
以下是几个常见的视觉检测应用案例。
1.工业质量检测：工业生产过程中，通过使用计算机视觉技术，可以对产品进行高效、准确的质量检测。
例如，在汽车生产线上，通过视觉检测系统可以检测车身表面是否有划痕或者漏涂的情况，提高产品的质量和可靠性。
2.医疗诊断：在医学领域，计算机视觉技术可以帮助医生进行诊断和治疗。
例如，在眼科领域，通过图像识别技术可以帮助医生自动诊断眼底图像中是否存在眼底病变，提高诊断的准确性和效率。
3.农业智能化：计算机视觉技术可以应用于农业生产中，实现农业智能化。
例如，在果园中，通过使用视觉检测技术可以自动检测果实的成熟度和质量，提高果农的生产效益。
4.安防监控：视觉检测技术在安防领域有着广泛的应用。
通过使用计算机视觉技术，可以对监控摄像头拍摄到的图像进行实时分析和识别，例如识别人脸、车牌等关键信息，提供更加智能、高效的安防解决方案。
5.交通管理：计算机视觉技术可以应用于交通管理中，提高交通安全和交通效率。
例如，通过使用视觉检测技术可以实现对交通违法行为的自动识别和记录，提高交通执法的效率。
6.无人车辆：计算机视觉技术是实现无人驾驶的关键技术之一、通过使用视觉检测技术，无人车辆可以实时感知周围环境，包括检测道路上的障碍物，判断道路的交通状况等。
这些检测结果可以用于自动驾驶算法的决策和控制，实现安全、高效的无人驾驶。
总结起来，计算机视觉技术的应用已经渗透到各个领域中，极大地提高了生产效益和社会效益。
随着技术的不断发展，视觉检测应用将会得到进一步的拓展和完善。
计算机视觉技术在品质检测中的应用
计算机视觉技术在品质检测中的应用随着科技的不断发展，计算机视觉技术在各个领域得到了广泛应用。
其中，在品质检测领域中，计算机视觉技术具有很高的应用价值和实际意义。
在本文中，我将会详细论述计算机视觉技术在品质检测中的应用，以及其优势和发展前景。
一、计算机视觉技术在品质检测中的应用品质检测是生产过程中非常重要的一个环节，它直接关系到产品的质量和安全。
传统的品质检测方法一般采用人工检测，这种方式存在着人力资源浪费、效率低下、精度不高的问题。
而使用计算机视觉技术进行品质检测，则能够有效地解决这些问题。
计算机视觉技术通过采集产品的图像或视觉信息，并进行图像分析、图像处理、机器学习等技术手段，可以实现对产品的自动化检测、分类、数量统计等功能。
例如，在食品加工行业中，可以通过计算机视觉技术对食品外观、形状、颜色、纹理等特征进行分析和识别，从而实现对食品的检测和分类。
在半导体行业中，可以通过计算机视觉技术对芯片的表面瑕疵、成品的尺寸和形状等进行检测和测量。
在汽车行业中，可以通过计算机视觉技术对汽车的组装过程进行检测和质量控制。
二、计算机视觉技术在品质检测中的优势相较于传统的人工检测方式，计算机视觉技术在品质检测中有着明显的优势。
首先，计算机视觉技术可以实现自动化检测，大大减少了人力资源的浪费。
在工业生产中，无论是容量大还是小的生产线，人力成本都是最大的成本之一。
通过计算机视觉技术的应用，可以将一个品质检测的任务交给一台计算机来完成，人们只需要设置好相应的检查参数即可，真正实现智能化生产。
其次，计算机视觉技术在品质检测中可以实现高精度的检测结果。
计算机视觉技术可以处理成千上万的图像，且在处理过程中完全没有疲劳的概念，而人类则往往会出现疲劳和一定程度的误判。
所以，使用计算机视觉技术进行品质检测，可以大大提高产品的精度和准确度，降低质量问题的发生率。
再次，计算机视觉技术可以实现高效的品质检测。
对于传统的人工检测方式，需要大量的人力资源和时间，而通过计算机视觉技术，可以在更短的时间内完成对成品的全面检测，从而提高了生产线的效率和生产量。
计算机视觉技术在食品安全检测领域的应用研究
计算机视觉技术在食品安全检测领域的应用研究引言随着人们对食品安全意识的逐渐提高，食品安全已经成为了一个全球性的热点话题。
近年来，随着计算机视觉技术的不断发展，它在食品安全检测领域的应用也得到了广泛关注。
本文将对计算机视觉技术在食品安全检测领域的应用研究进行综述，以期为相关领域的研究提供参考和借鉴。
1. 食品质量检测食品质量检测是保障食品安全的基础。
传统的食品质量检测方式需要人工操作，费时费力，而且容易出现误判，影响检测结果。
计算机视觉技术的引入为食品质量检测提供了一种快捷、准确的解决方案。
常见的计算机视觉技术在食品质量检测中的应用包括：图像处理、人工智能、机器学习、深度学习等。
其中，深度学习技术能够通过神经网络提取图像特征，进而对图像进行分类识别，实现对食品质量检测的自动化处理。
2. 食品安全检测食品中可能存在各种污染物，如农药、兽药、重金属、细菌等，这些污染物会对人体健康造成严重影响。
传统的食品安全检测方式需要取样后送检，时间和精度都存在缺陷。
计算机视觉技术在食品安全检测方面的应用，能够实现对食品污染物的无损检测和快速诊断。
针对食品安全检测中存在的问题，现有的计算机视觉技术主要采用图像特征提取、分类识别等方法来诊断食品是否存在污染物。
例如，可以通过热成像技术对食品热分布图像进行分析，进而确定食品是否存在细菌等污染物。
3. 食品溯源管理食品溯源管理可以追溯食品的生产、流通、销售等环节，有助于发现食品安全隐患。
传统的食品溯源管理方式需要手工记录或使用封条等方式，存在记录不全、易被篡改等问题。
计算机视觉技术的应用可以实现食品溯源的自动化管理。
目前计算机视觉技术在食品溯源管理领域的应用主要涉及二维码、RFID等技术。
例如，可以将食品的信息加密在二维码中，并通过计算机视觉技术实现识别和追溯，从而实现食品安全溯源。
结论计算机视觉技术在食品安全检测领域的应用，能够有效提高食品质量和安全水平。
通过对计算机视觉技术在食品质量检测、食品安全检测、食品溯源管理等领域的应用研究，可以为相关领域的研究提供借鉴和参考，从而更好地保障食品安全。
计算机视觉技术在产品质量检测中的应用与经验总结
计算机视觉技术在产品质量检测中的应用与经验总结随着科技的不断进步，计算机视觉技术在各个领域得到了广泛的应用。
其中之一就是在产品质量检测中的应用。
利用计算机视觉技术，可以实现对产品质量的自动检测和分类，提高生产线的效率和产品质量。
本篇文章将重点探讨计算机视觉技术在产品质量检测中的应用与经验总结。
一、计算机视觉技术在产品质量检测中的基本原理计算机视觉技术是指利用计算机对图像信息进行处理和分析的技术。
在产品质量检测中，计算机视觉技术主要包括以下几个基本步骤：1. 图像采集：通过相机或其他图像采集设备对产品进行拍摄或扫描，获取产品的图像信息。
2. 图像预处理：对获取到的图像进行去噪、图像增强等预处理操作，以获得更好的图像质量。
3. 特征提取：根据产品的特定要求，提取出与产品质量相关的特征，如尺寸、形状、颜色等特征。
4. 特征匹配：将提取到的特征与已知的标准特征进行匹配，判断产品是否符合标准要求。
5. 缺陷检测：通过对比分析，检测产品中可能存在的缺陷，如裂纹、变形、污染等。
二、计算机视觉技术在产品质量检测中的应用案例1. 精确度检测：利用计算机视觉技术可以对产品的尺寸和形状进行高精度的检测。
例如，在制造业中，可以通过对产品的图像进行分析，检测产品是否具有正确的尺寸和形状，避免因生产差错导致的质量问题。
2. 表面缺陷检测：在许多行业中，产品的表面缺陷是一个重要的质量指标。
通过计算机视觉技术，可以对产品的表面进行高速、高效的检测，如检测产品表面是否存在划痕、凹陷、颜色不均等缺陷，以及检测涂层或喷涂产品中的漏涂、斑点等问题。
3. 污染检测：在食品、医药等行业中，产品的污染问题是非常严重的。
利用计算机视觉技术，可以对产品进行高灵敏度的污染检测，包括检测产品是否受到微生物、异物等污染，以保证产品的安全性和卫生标准。
4. 包装检测：产品的包装质量直接影响到产品的销售和形象。
通过计算机视觉技术，可以对产品的包装进行检测，包括检测包装是否完整、标签是否贴合等，保证产品在运输和销售过程中不受损坏或误导。
计算机视觉的应用
计算机视觉的应用计算机视觉是一种利用数学算法和模型，让计算机可以对图片和视频进行处理、分析、理解和识别的技术。
随着计算机视觉技术的不断发展和进步，它已经成为了现代科技领域中的重要组成部分。
计算机视觉的应用已经涵盖了工业、医疗、军事、生活等各个领域。
本文将就计算机视觉的应用进行探讨。
一、工业领域在工业应用领域，计算机视觉主要用于产品质量检测和自动化生产线控制。
利用计算机视觉技术，可以依据产品的外观和尺寸规格来进行产品的质量检测。
比如，利用计算机视觉技术可以对电池、半导体元器件等产品进行检测，从而保证产品的质量合格。
除此之外，计算机视觉还可以通过识别和跟踪运动的物体来进行工厂自动化生产线控制，实现物料的自动分拣、搬运和装配等操作。
这些操作可以提高生产效率和产品质量。
二、医疗领域在医疗领域，计算机视觉主要用于医疗影像的处理和分析。
医疗影像包括CT、MRI等不同类型的影像数据。
利用计算机视觉技术对医疗影像进行分析，可以帮助医生更准确地诊断疾病。
比如，利用计算机视觉技术对CT影像进行胸腔结节自动检测，可以提高胸腔结节的检测准确率和筛查效率。
此外，计算机视觉技术还可以用于手术导航和治疗，为医生手术和治疗提供有力的支持。
三、军事领域在军事领域，计算机视觉主要用于军事侦察和监控领域。
计算机视觉技术可以通过对监控视频和图像的分析，追踪和锁定目标，从而提高军事情报的获取和处理效率。
此外，计算机视觉技术还可以对军事设施和装备进行检测和识别，以对敌方目标进行有效打击。
四、生活领域在生活领域，计算机视觉主要用于人脸识别、车辆识别、智能家居等方面。
计算机视觉技术可以通过识别和分析人脸、车辆等物体来提高安全性和便捷性。
比如，利用计算机视觉技术可以对人脸进行识别和认证，实现门禁、考勤和支付等功能。
此外，计算机视觉技术还可以帮助实现智能家居的自动化控制，从而提高生活的便捷性和舒适度。
综上所述，计算机视觉已经成为了现代科技领域中的重要组成部分，其应用领域已经涵盖了工业、医疗、军事、生活等各个领域。
- 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)。
北京工业大学
硕士学位论文
计算机视觉在产品检测中的应用
姓名：劳有兰
申请学位级别：硕士
专业：软件工程
指导教师：黄樟钦;方华
20070501
第２章产品包装缺损分析和图像处理
第２章产品包装缺损分析和图像处理
２．１产品包装缺陷分析
２．１．１包装常见色彩缺陷
工业产品外包装常见的一类缺陷是色彩印刷缺陷，包括印刷过程中产生飞墨、异物、套色、色差等各种质量缺陷。
工业产品外包装常见色彩印刷缺陷如图２－１所示。
图２．１工业产品外包装常见色彩印刷缺陷
Ｆｉｇｕｒｅ２－１ｆａｍｉｌｉａｒｃｏｌｏｒｐｒｉｎｔｉｎｇｆａｕｌｔｏｆｍａｎｕｆａｃｔｉｏｎ
针对常见的色彩印刷缺陷，主要通过颜色特征提取，对检测产品的易产生缺陷区域进行检测，与标准样品进行比较，进行缺陷检测“”。
２．１．２包装常见形状缺陷
产品外包装常见形状缺陷一般有：（１）药品包装过程中，包装产品常存在漏装、装错、缺损、摆放位置、胶囊包装漏粉、双帽、有杂物等质量问题：（２）包装盒皮封签漏帖、反贴、歪斜、偏移，破损、翘边、缺盖、露白、反包、包装错位等错误；（３）产品外包装上生产日期、批号、有效期等的有无及对错的辨识；（４）液体包装质量错误，包括液体瓶盖是否完好、瓶体异物、瓶身的尺寸、裂纹等。
如图２—２所示。
北京工业大学工程硕士学位论文
图２－２工业产品外包装常见形状缺陷
Ｆｉｇｕｒｅ２－２ｆａｍｉｌｉａｒｓｈａｐｅｐｒｉｎｔｉｎｇｆａｕｌｔｏｆｍａｎｕｆａｔｕｒｅ
２．２数字图像特征提取
２．２．１颜色特征提取
由于颜色特征具有旋转不变性和尺度不变性，因而，在图象识别技术，颜色是使用最广泛的特征之一。
颜色特征提取方法有很多种，主要可以归纳为两大类：一个是对应于全局颜色分布的颜色特征提取方法，一个是对应于局部颜色信息的颜色特征提取方法ｎ２ｍ”。
２．２．１．１颜色空间
（１）ＲＧＢ模型颜色模型的用途是在某个颜色域内方便地指定颜色。
彩色
第２章产品包装缺损分析和图像处理
图像在计算机中总是以红（Ｒｅｄ）、蓝（Ｂｌｕｅ）、绿（Ｇｒｅｅｎ）三基色表示的（即ＲＧＢ颜色模型），这就是说，每个像素的颜色都是以红绿蓝三基色的数量来定义的。
利用红蓝绿可以配置大部分人眼所能看到的颜色。
（２）ＨＩＳ模型另一种彩色方案由色度、饱和度和强度（或亮度）组成的ＨＩＳ（Ｈｕｅ，Ｓａｔｕｒａｔｉｏｎ，Ｉｎｔｅｎｓｉｔｙ）格式。
ＨＩＳ模型直接对应于人眼色彩视觉特征的三要素，三个颜色通道各自独立，可以分别提取图像的色调、亮度及饱和度信息。
其突出优点是，视觉上，ＲＧＢ颜色模型依赖于环境照明的颜色，而ＨＩＳ模型具有彩色不变性，所以它比ＲＧＢ颜色模型更均匀，即ＨＳＶ的空间距离比ＲＧＢ空间距离更加符合人眼视觉特征“”。
在ＨＩＳ格式中，Ｉ表示强度或亮度。
Ｈ由可见光谱中各分量成分的波长来确定，是彩色光的基本特性。
ｓ反映了彩色的浓淡，它取决于彩色光中白光的含量，也就是彩色光的纯度的反映。
ＨＩＳ坐标是柱形彩色空间。
灰度影调沿着轴线以底部的黑变到顶部的白，具有最高亮度最大饱和度的颜色位于圆柱上顶面的圆周上如图２－３所示。
图２－３ＨＩＳ颜色空间
Ｆｉｇｕｒｅ２－３ＨＩＳｃｏｌｏｒｓｐａｃｅ
从ＲＧＢ到ＨＩＳ的转换公式为“”：
晓＝ｍＪｎＩＲ，Ｇ。
Ｂ）
，：—Ｒ＋Ｇ—＋Ｂ
（２．１）
３
北京工业大学丁程硕士学位论文
（ＢｉｌｉｎｅａｒＩｎｔｅｒｐｏｌａｔｉｏｎ）把图像分割为构成斑点（Ｂｌｏｂ）和局部背景的像素集合，典型的目标像素被赋值为１，背景像素被赋值为０。
分割时可使用两种方法即固定阈值分割（ＨａｒｄＴｈｒｅｓｈｏｌｄ）和动态阈值分割（ＳｏｆｔＴｈｒｅｓｈｏｌｄ）。
当图像被分割为目标像素和背景像素后，进行连通性分析，在图像中寻找一个或多个相似灰度的“斑点”，并将这些“斑点”按照四邻域或者八邻域方式进行连通性分析，将目标像素聚合为目标像素或斑点的连接体，就形成了一个Ｂｌｏｂ单元。
通过对Ｂｌｏｂ单元进行图形特征分析，可以将单纯的图案灰度信息迅速转化为图案的形状信息，包括图形的质心、面积、周长等。
使用Ｂｌｏｂ分析，通过多级分类器的过滤，在一定程度上可满足对产品外包装中透明纸破损、反包、盒皮印刷等缺陷的检测需求。
图像分割直方图如图２—６所示。
图２－６图像分割直方图示例
Ｆｉｇｕｒｅ２－６ｓａｍｐｌｅｏｆｉｍａｇｅｄｉｖｉｓｉｏｎ
２．４本章小结
本章对工业产品常见的包装缺损进行了分析研究，大致可以将包装缺损情况分为两大类；彩色印刷差异和形状缺陷。
针对这两类缺陷，本文应用数字图像处理算法，对检测图像的颜色和形态特征提取进行了研究。
提出了一些如彩色检测、标签定位和斑点分析等常见包装缺损的检测方法。
第４章嵌入式视觉检测系统在胶囊包装检测中的应用
第４章嵌入式视觉检测系统在胶囊包装检测中的应用
利用本课题开发的嵌入式视觉检测系统，本章将其应用于广西柳州花红药业有限公司的胶囊分装生产线，开发了胶囊分装嵌入式视觉检测系统。
４．１胶囊分装工艺
在药厂中，对胶囊的包装分装流程首先是胶囊从漏斗中漏进封装盒中，而封装盒内装有封装胶囊用的药板。
当胶囊从漏斗中漏进封装盒的时候，胶囊滚进药板中，这时再对药板封上薄膜，胶囊就封装好了，然后再对药板进行分片切割，最后依靠人工分拣，检查是否有漏装及药品泄露现象。
胶囊分装生产线如图４－１所示。
图４－１胶囊分装生产线
Ｆｉｇｕｒｅ４－１ｔｈｅｌｉｎｅｏｆｃａｐｓｕｌｅｅｎｃａｐｓｕｌａｔｉｏｎ
目前，大多数制药厂在药品包装生产线上，一般采用人工进行目测的方法分拣次品，检测人员的工作状况对于检测效果有着很大的影响，而且这种工作方式检测效率低、成本高、劳动强度大。
手工劳动的检测方法严重影响了药品包装生产线的工作效率，不但浪费了大量的劳动力资源，而且包装质量不能从根本得到
第４章嵌入式视觉检测系统在胶囊包装检测中的应用
图４－２系统的硬件设备组成
Ｆｉｇｕｒｅ４－２ｈａｒｄｗａｒｅｓｙｓｔｅｍ
整个系统成败的关键，起着非常重要的作用，并不是简单的照亮物体而已。
光源与照明方案的配合应尽可能突出物体特征量，在物体需要检测的部分与那些不重要部分之间应尽可能地产生明显的区别，增强对比度，同时还应保证足够的整体亮度。
物体位置的变化应尽可能小的影响成像质量。
由于没有通用的计算机视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。
照明系统的设计应重点考虑４个基本因素，分别为：
（１）镜头的视场：在照明系统的设计中，应根据被测对象的尺寸确定镜头的视场。
而后，再根据镜头视场的大小决定最佳的照明系统。
（２）照明系统与检测对象的间距：在系统设计中，需全面地了解镜头到检测对象的距离，照明系统到检测对象的距离等，从而确定光源与检测对象的距离．（３）检测对象的外形、条件及颜色：照明的选择是由工件表面的形状、平坦度、光滑程度等条件决定的。
最佳的照明颜色（红、兰、绿、白）可通过被测对象或被测区域的颜色来决定。
由于计算机视觉系统稳定工作的必要条件是：在外部条件不断变化（外部光噪声，目标的倾斜，材质和系统类型的变化等）的情况下，持续获得对比鲜明的。