泡罩药片包装缺陷视觉检测装置及方法与流程

本发明涉及机器视觉装置及方法，具体涉及泡罩药片包装缺陷视觉检测装置及方法。
背景技术：
：近年来，药品的铝塑泡罩包装在我国得到了快速发展，由于这种包装具有贮存期长、携带方便的特点，越来越受到制药企业和消费者的欢迎，正在逐步取代传统的玻璃瓶包装和散包装，而成为固体药品包装的主流。铝塑泡罩包装是先将透明塑料硬片吸塑成型后，将片剂、丸剂、胶囊等固体药品填充在凹槽内，再与涂有粘合剂的铝箔片加热粘合在一起，形成独立的密封包装。由于在包装过程中，会出现药品漏装、缺损、污渍和蚊虫粘附等情况，因此药品包装的质量检测是药片生产过程中的一个重要环节。目前主要的检测方法是采用人工挑选法来检测药品包装质量。人工挑选法需要人眼时时盯着流水线上密密麻麻的药品，劳动强度大，由于人工目测不可避免会受到个人的视力、情绪、光线等因素的影响，带有很大的个人主观性，故而检测标准难以统一、检测效率低、分选差异大，加上现场环境噪音和药品包装本身反光，工人极易疲劳。这种检测方法既费时费工，又难以保证检测质量。另一种主流方法是光电自动检测方法，然而该方法只能检测出药片的漏装，不能检测出泡罩表面缺损、污渍和蚊虫粘附等情况，而且每一种包装药型都要求有对应的光电检测模具配套使用，这在频繁更换药型的生产线上难以实现大规模应用。另一种主流方法是重量验测法，通过检测产品重量来区分合格与不合格产品，但药片生产是流水线生产，该方法易受流水线机械震动干扰而造成误检和漏检，且无法检测出裂片和碎片的产品，因此难以广泛推广。本发明提供的泡罩药片包装缺陷视觉检测装置采用CCD相机进行检测和识别泡罩药片的缺陷，利用运动控制和气动分拣实现不同缺陷的药片的分拣，不仅显著地降低工人的劳动强度，大幅提高生产效率和产品合格率，同时促进泡罩药品包装检测行业的自动化、智能化。通过相关专利查询，发现有以下的公开文献：专利“一种具有质量追溯功能的小袋包装横封检测方法及检测系统”[CN104417788A]通过在小袋包装机的包装袋与背板之间设置镜头及工业摄像机，并在适当的位置放置光源，待小袋包装机完成横封后，触发工业摄像机采集横封周围的图像，并将图像传送至工控机，进行横封质量检测。该专利方法没有涉及具体的检测装置结构，且该检测方法不适用于具有多种缺陷的泡罩药片包装检测的工作场合。专利“泡罩包装检测系统”[CN1934439A]将粘附着罩盖的泡罩包装提供到图像拾取装置的视场中，对泡罩区域的灰度级进行成像和确定，并且将所成像的灰度级与预定灰度级值进行比较，所成像的灰度级与预定灰度级值实质上相同则通过所述泡罩包装的检测，否则未通过泡罩包装的检测。该专利方法仅使用简单的灰度阈值判断泡罩包装的完整性，不能适用于具有不同尺寸大小的药片包装检测，且无法识别出泡罩药片包装的缺陷种类。论文“药品泡罩包装缺陷机器视觉检测技术的研究”[谢丹毅，2007年，硕士毕业论文]设计了一种基于机器视觉的泡罩药片包装缺陷检测系统，使用直方图均衡化、灰度阈值分割、边缘检测、模板匹配方法识别出包装缺陷。该论文并没有提出整个检测装置的机械结构及传动方式，其次，模板识别方法计算量大，需要逐个像素点进行匹配，难以实现实时的检测。技术实现要素：本发明目的在于克服现有技术的不足，尤其解决现有的泡罩药片包装缺陷检测手段缺乏自动检测装置、缺乏针对不同缺陷类型进行自动分拣过程，且不能应对不同类型尺寸的药片检测等问题。提供一种泡罩药片包装缺陷视觉检测装置，该检测装置通过运动控制来实现图像的自动采集，采用图像识别方法识别不同类型的包装缺陷，并采用气动分拣结构完成不同包装缺陷的自动分拣，使得包装缺陷检测过程更加智能、高效。本发明的另一个目的在于提供一种应用上述泡罩药片包装缺陷检测的机器视觉方法，该方法实现了不同类型的泡罩药片包装缺陷检测，同时可适用于不同尺寸的泡罩药片，使得检测结果更为快速、准确、可靠。为解决上述技术问题，本发明采用如下的技术方案：一种泡罩药片包装缺陷视觉检测装置，其特征在于，该检测装置包括检测台和检测系统，其中：所述检测平台包括用于放置泡罩药片的工作台、传动机构和气动分拣机构；所述工作台由装夹泡罩药片的夹具、支承在所述工作台上的支柱、在所述立柱上方的安装板、设在工作台底部的照明光源和CCD相机组成；所述传动机构由分别支撑在工作台两侧的两个同步带和与同步带相连的驱动电机组成；所述气动分拣机构由电磁控制阀和侧推气缸组成；所述CCD相机悬吊于所述安装板上，且CCD相机镜面朝所述工作台的台面。所述检测系统包括图像采集模块、运动控制模块以及上位计算机，其中：所述图像采集模块包括依次相连的光电传感器、图像采集卡、照明光源和所述的CCD相机，其中，所述光电传感器位于同步带两侧，用于感应传送过来的泡罩药片；所述图像采集卡控制CCD相机采集装夹在工作台上的待检测玻璃的图像，并将所采集到的图像上传至上位计算机；所述照明光源位于工作台底部，用于给CCD相机提供照明。所述的运动控制模块包括运动控制卡、传动机构和气动分拣机构，其中：所述的传动机构包括驱动电机和同步带，其中，所述的驱动电机与所述的运动控制卡连接，该驱动电机的主轴与同步带中的主动带轮连接；所述运动控制卡接收到上位计算机的传动指令后，驱动同步电机带动同步带运动，同步带带动装夹在工作台上的待检测药片在直线方向上运动，使得CCD相机能够实现图像采集。所述气动分拣机构包括电磁控制阀、侧推气缸和推杆，其中，所述电磁控制阀与运动控制卡连接，电磁控制阀与侧推气缸连接。所述运动控制卡接收到上位计算机的分拣指令后，驱动电磁控制阀打开侧推气缸，侧推气缸驱动推杆将不合格的泡罩药片从传动带中推出。所述上位计算机不断地扫描与所述运动控制卡连接的端口，当位于同步带两侧的光电传感器检测到所述的工作台有泡罩药片经过时，向图像采集卡发送采集待检测泡罩药片的指令；然后，上位计算机对采集到的图像进行处理和识别，并算出待检测泡罩药片的包装缺陷及相关参数。进一步地，所述工作台的一侧设有立柱，立柱上方设有安装板；所述CCD相机设置于安装板上。本发明的泡罩药片包装缺陷视觉检测方法，包括以下步骤：(1)图像采集：当泡罩药片经过光电传感器时，与光电传感器相连的图像采集卡驱动CCD相机进行图像采集，图像采集卡再将采集到的图像传输到上位计算机进行图像处理；(2)图像处理：由上位计算机中的图像处理模块对泡罩药片图像进行处理，以提取泡罩药片图像中的信息，供图像识别模块使用；(3)图像识别：上位计算机中的图像识别模块对泡罩药片图像处理得到的信息进行识别，并算出泡罩药片图像的包装缺陷及相关参数。本发明的基于机器视觉的玻璃表面缺陷检测方法中，在步骤(2)中，所述图像处理包括、图像二值化、图像去噪声、图像像素级边缘检测，其中：图像标定：将CCD相机生成的图像还原为真实比例；图像二值化：将彩色图像变为黑白图像并实现前景与背景的分割；图像去噪声：去除图像中目标泡罩药片周围的噪声；图像像素级边缘检测：检测出图像中目标泡罩药片的边缘；本发明的泡罩药片包装缺陷视觉检测方法中，在步骤(3)中，所述图像识别使用基于快速模板匹配的缺陷识别方法。附图说明图1和图2是本发明的泡罩药片包装缺陷视觉检测装置的一个具体实施例的结构示意图，图1是主视图，图2是俯视图。图3为本发明的第一个具体实施方式中运动控制模块的工作流程图。图4为本发明的第一个具体实施方式中图像处理模块的工作流程图。图5为本发明的第一个具体实施方式中图像识别模块的工作流程图。具体实施方式下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。参见图1，本发明的泡罩药片包装缺陷视觉检测装置由检测台和检测系统构成，其中：所述检测平台包括用于放置泡罩药片的工作台1、传动机构和气动分拣机构；所述工作台由装夹泡罩药片的夹具2、支承在所述工作台上的支柱3、在所述立柱上方的安装板4、设在工作台底部的照明光源5和CCD相机6组成；所述传动机构由分别支撑在工作台两侧的两个同步带7和与同步带相连的驱动电机8组成；所述气动分拣机构由电磁控制阀9和侧推气缸10组成；所述CCD相机6悬吊于所述安装板4上，且CCD相机镜面朝所述工作台1的台面。所述检测系统包括图像采集模块、运动控制模块以及上位计算机11，其中：所述图像采集模块包括依次相连的光电传感器16、图像采集卡12、照明光源5和所述的CCD相机6，其中，所述光电传感器16位于同步带7两侧，用于感应传送过来的泡罩药片；所述图像采集卡12控制CCD相机6采集装夹在工作台上的待检测泡罩药片的图像，并将所采集到的图像上传至上位计算机11；所述照明光源5位于工作台1底部，用于给CCD相机6提供照明。参见图1-2，所述的运动控制模块包括运动控制卡13、传动机构和气动分拣机构，其中：所述的传动机构包括驱动电机8和同步带7，其中，所述的驱动电机8与所述的运动控制卡13连接，该驱动电机8的主轴与同步带7中的主动带轮14连接；所述运动控制卡13收到上位计算机11的传动指令后，驱动同步电机8带动同步带7运动，同步带7带动装夹在工作台1上的待检测药片在直线方向上运动，使得CCD相机6能够实现图像采集。所述气动分拣机构包括电磁控制阀9、侧推气缸10和推杆15，其中，所述电磁控制阀9与运动控制卡13连接，电磁控制阀9与侧推气缸10连接。所述运动控制卡13收到上位计算机11的分拣指令后，驱动电磁控制阀9打开侧推气缸，侧推气缸驱动推杆15将不合格的泡罩药片从传动带中推出。所述上位计算机11不断地扫描与所述运动控制卡13连接的端口，当光电传感器16检测到所述的工作台1有泡罩药片经过时，向图像采集卡12发送采集待检测泡罩药片的指令；然后，上位计算机11对采集到的图像进行处理和识别，并算出待检测泡罩药片的包装缺陷及相关参数。CCD相机采用日本TK-C1381EG，1/2英寸，220V供电，0.95LUX470线；光源采用10W/12V的日光灯，使用直流电源供电，可通过调节电压改变灯光强弱以适应不同的光照情况；在光源与CCD相机之间添加四块毛玻璃，可获取柔和的低强度散射光以便得到柔和的图像；图像采集卡使用加拿大的MatroxMeter采集卡，支持3路同步采集；运动控制卡使用固高ECI3800网络控制卡，使用232通讯接口和上位计算机相连；光电传感器使用QS18光电传感器。如图1-4所示，本发明的一种泡罩药片包装缺陷视觉检测方法，具体包括以下步骤：(1)图像采集：如图3所示，当泡罩药片经过光电传感器16时，与光电传感器16相连的图像采集卡12驱动CCD相机6进行图像采集，图像采集卡12再将采集到的图像传输到上位计算机11进行图像处理；(2)图像处理：参见图4，由于CCD相机6的特性，其产生的图像与实际图像的比例可能存在偏差，需要对图片进行预处理，具体包括以下过程：(2.1)图像标定：将CCD相机6生成的图像还原为真实比例，过程为：1)计算标准件图像的X向长度ΔDx与Y向长度ΔDy，进一步计算出标定系数Ccal：Ccal=ΔDyΔDx---(1)]]>2)根据标定系数Ccal对需要标定的线扫描图像的Y向像素点灰度值进行双线性插值，即可得到以X向的像素点间距为基准的标定图像。(2.2)图像二值化：标定完成后，用最大类间方差法进行图像二值化，将图像的前景与背景进行分割，过程为：1)设图像共有L个灰度级，灰度值为i的像素点共有ni个，图像共有N个像素点，归一化灰度直方图，令2)设定一个阈值t，根据灰度值将像素点分成c0和c1两类。c0的概率ω0、均值μ0：ω0=Σt=0tPi=ω(t)---(2)]]>μ0=Σi=0ti×Piω0=μ(t)ω(t)---(3)]]>c1的概率ω1、均值μ1：ω1=Σi=t+1L-1Pi=1-ω(t)---(4)]]>μ1=Σi=t+1L-1i×Piω1=μ-μ(t)1-ω(t)---(5)]]>其中，由此可知c0和c1的类间方差σ2(t)为：σ2(t)＝ω0(μ-μ0)2+ω1(μ1-μ)2(6)于是将t从0到i进行取值，当σ取最大值时t为最佳阈值，即可得到最佳的二值化图像。(2.3)图像去噪声：使用团块面积阈值法进行图像滤波去噪声，去除图像中目标零件周围的噪声，过程为：采用二值数学形态学中的连通组元提取算法来求取团块的面积，小于阈值的团块为噪声，将该团块的像素点灰度值都设成255即可去除噪声。(2.4)图像像素级边缘检测：对二值图像用数学形态学方法进行边缘检测，检测出图像中目标零件的边缘，过程为：1)腐蚀的算符为Θ，集合A被集合B腐蚀定义为：AΘB={x|(B)x⊆A}---(7)]]>2)膨胀的算符为集合A被集合B膨胀定义为：采用膨胀腐蚀型梯度算子，即用膨胀后的图像减去腐蚀后的图像，即可得到图像中的边缘。由于此时的边缘不是单像素宽连通的，还需要再用区域骨架提取算法对边缘进行细化。3)设B是图像，S(A)代表A的骨架，B是结构元素，则：S(A)=∪k=0KSk(A)---(9)]]>其中，K表示将A腐蚀成空集前的迭代次数，即：Sk(A)称为骨架子集，可写为：AΘkB表示连续k次用B对A进行腐蚀。(3)图像识别：使用基于快速模板匹配的方法对图像处理得到的边缘图像进行识别，算出待检测泡罩药片包装的表面缺陷及相关参数。模板匹配法就是在一幅图像中寻找是否存在己知的模板图像，基本原理是通过相关函数来比较模板图像以及在被搜索图像中的坐标位置。如果在被搜索图像与模板图像匹配，且同模板有一样的尺寸和方向，比较函数的相似度较高。然而被搜索图像的每个像素点都与模板图像的对应像素点进行相关性比较，计算量大，因此提出一种近似快速模板匹配方法，只需要对应像素点进行误差比较，属于加减计算，大幅度减少了匹配所需的计算量，实现实时监测，该识别方法具体包括以下过程：(3.1)如图5所示，在N×N大小的被搜索图像S中，匹配M×M大小的模板图像T，即从图像T中查找一个子图Si，j与模板图像T是否匹配，(i，j)是该子图Si，j的左上角像素点在图像S中的坐标，定义子图Sm，n中像素点(i，j)的绝对误差值如下所示：ϵ(m,n,i,j)=|Smn(i,j)-S‾(m,n)-T(i,j)+T‾|S‾(m,n)=1M2Σi=1MΣj=1MSmn(i,j)T‾=1M2Σi=1MΣj=1MT(i,j)---(12)]]>表示子图Sm，n的灰度均值，表示模板图像的灰度均值。(3.2)给定阈值β，在子图Sm，n中随机选择像素点，计算该点与模板图像T中对应像素点的误差，并将该误差累积，当累加误差值到达给定阈值β时，停止像素点比较并记录当前误差比较的次数r，定义当前子图Sm，n的检测曲面I(m，n)计算公式如下：I(m,n)={r|min1≤r≤M[Σi=1MΣj=1Mϵ(m,n,i,j)≥β]}---(13)]]>选择整个被搜索图像中I(m，n)最大的点(m，n)作为匹配点。当前第1页1 2 3