專利名稱：醫(yī)藥大輸液機(jī)器視覺在線檢測方法
技術(shù)領(lǐng)域：
本發(fā)明主要涉及到醫(yī)藥大輸液的檢測領(lǐng)域，特指一種醫(yī)藥大輸液機(jī)器視覺在線檢測方法。

背景技術(shù)：
現(xiàn)有技術(shù)中，醫(yī)藥大輸液指的是100毫升以上的大容量注射劑，如今我國生產(chǎn)大輸液的廠家有300多家，生產(chǎn)能力已達(dá)每年69億瓶，年產(chǎn)值達(dá)100多億元，在這些產(chǎn)品中，有90％以上的產(chǎn)品是采用玻璃瓶包裝，盡管新型的包裝不斷涌現(xiàn)，如上海等發(fā)達(dá)城市已有46％以上使用軟包裝輸液，塑料包裝輸液的產(chǎn)量占市場份額的5％以上，但預(yù)計若干年以后，中國的大輸液產(chǎn)品仍以玻璃瓶為主。這些以玻璃瓶為包裝的產(chǎn)品，多是將小針劑，注射用的滅菌粉末改輸液，產(chǎn)品的技術(shù)含量低，并且由于生產(chǎn)設(shè)備的限制，產(chǎn)品的質(zhì)量參差不齊，療效難以保證。生產(chǎn)過程中，經(jīng)常會有膠塞屑，水管鐵銹進(jìn)入輸液的情況，玻璃瓶間的碰撞，也常會讓藥液中出現(xiàn)玻屑。目前輸液成品的檢測大都由人工來完成，人工檢測時不可必避免的存在效率低，漏檢率高，精度低等問題。中國藥典1985年起對大輸液澄明度檢查合格后進(jìn)行不溶性微粒檢查，并對微粒的大小及數(shù)量進(jìn)行嚴(yán)格控制。1999年8月24日，國家藥監(jiān)局正式印發(fā)《關(guān)于實施<藥品生產(chǎn)質(zhì)量管理規(guī)范>有關(guān)規(guī)定的通知》，明確要求大輸液生產(chǎn)必須在2000年底前達(dá)到GMP標(biāo)準(zhǔn)。在我國進(jìn)入WTO后，面對國外先進(jìn)成套醫(yī)藥生產(chǎn)設(shè)備對國內(nèi)市場的沖擊，力保國內(nèi)市場，打開國際市場，研究具有自主知識產(chǎn)權(quán)的醫(yī)藥安全生產(chǎn)檢測包裝設(shè)備和方法具有十分重要的價值。


發(fā)明內(nèi)容
本發(fā)明要解決的問題就在于針對現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明提供一種能夠克服人工檢測效率低、速度慢、精度低、漏檢率高、檢測人員容易疲勞等問題，從而提高醫(yī)藥大輸液生產(chǎn)自動化程度和產(chǎn)品質(zhì)量的醫(yī)藥大輸液機(jī)器視覺在線檢測方法。
為解決上述技術(shù)問題，本發(fā)明提出的解決方案為一種醫(yī)藥大輸液機(jī)器視覺在線檢測方法，其特征在于步驟為 (1)、獲取連續(xù)圖像標(biāo)定相機(jī)后相機(jī)連續(xù)抓取大輸液旋轉(zhuǎn)急停后序列圖像，并將這些圖像傳送至工控機(jī)； (2)、圖像去噪對步驟(1)中得到的圖像進(jìn)行預(yù)處理，通過中值濾波器去除圖像拍攝和傳輸過程中可能引起的噪聲； (3)、運動目標(biāo)提取通過二次差分與灰度能量累積相結(jié)合的方法，利用微小異物成像時的時間相關(guān)性，完成序列圖像中的運動微粒目標(biāo)的提?。? (4)、運動目標(biāo)分割選用多步閾值法，逐步確定微小異物灰度圖像的最佳分割閾值，實現(xiàn)運動目標(biāo)的分割，操作時，先依據(jù)圖像的直方圖分布，自動計算出檢測目標(biāo)的閾值，得出被檢測體的大致范圍，之后，再從此被分離區(qū)域的中心出發(fā)，沿“X”字方向進(jìn)行搜索，得出最大梯度變化點，選取此梯度中的一個合適灰度值，對圖像進(jìn)行最終分割。
(5)、圖像識別通過八連通域的標(biāo)識，標(biāo)識出圖像中有可能為異物的連通區(qū)域，并計算同一連通區(qū)域的內(nèi)部最長直徑； (6)、圖像判斷通過對連通域中，目標(biāo)最大直徑，和離心率的計算，判斷出輸液的質(zhì)量情況，并對異物的類型進(jìn)行分類；如果連通區(qū)里，目標(biāo)的最長直徑超過某一設(shè)定值，則認(rèn)為該被檢測輸液不符合生產(chǎn)要求，依據(jù)離心率的計算判斷出連通區(qū)的形狀，記錄下不合格輸液的相關(guān)參數(shù)，并與PLC進(jìn)行通信，發(fā)出控制信號。
所述步驟(1)中二次差分與灰度能量累積相結(jié)合的方法流程為 ①、通過輸入連續(xù)三幀具有采樣間隔的現(xiàn)場圖像，對中間幀的目標(biāo)信息進(jìn)行提取，連續(xù)采集的序列圖像中，選取三幀溶液序列圖像f(t-1)(x，y)，f(t)(x，y)，f(t+1)(x，y)通過下式(9)和(10)分別計算相鄰兩幀的絕對差灰度圖像d(t-1，t)(x，y)與d(t，t+1)(x，y)， d(t-1，t)(x，y)＝|f(t)(x，y)-f(t-1)(x，y)|(9) d(t，t+1)(x，y)＝|f(t+1)(x，y)-f(t)(x，y)|(10)； ②、利用圖像本身的灰度差異使用一個正數(shù)N(2≤N≤5)放大這種差異，使目標(biāo)點具有更高的能量，得到的加權(quán)差分圖像P(t-n，t)(x，y)與P(t，t+n)(x，y)如下式(11)和(12)所示， P(t-n，t)(x，y)＝d(t-n，t)(x，y)×N(11) P(t，t+n)(x，y)＝d(t，t+n)(x，y)×N(12)； 其中取乘以N后灰度值大于255的像素點灰度值為255； ③、增強(qiáng)后的差分圖像進(jìn)行二次差分計算如式(9)，得二次差分圖像D(x，y)， D(x，y)＝|P(t-n，t)(x，y)-P(t，t+n)(x，y)|(13)； ④、按下式(14)計算兩幅差分圖像的能量累積，以增加ft(x，y)中運動微粒對應(yīng)像素的能量，得能量累積圖像A(x，y)， A(x，y)＝P(t-n，t)(x，y)+P(t，t+n)(x，y)(14) 同樣取相加后灰度值大于255的像素點灰度值為255； ⑤、最后將能量累積圖像A(x，y)和二次差分圖像D(x，y)用下式(15)相減，便可以得到f(t)(x，y)中微?；叶葓D像F(t)(x，y)， F(t)(x，y)＝A(x，y)-D(x，y)(15)； 所述步驟(4)中采用多步閾值法對微粒灰度圖像F(t)(x，y)進(jìn)行目標(biāo)分割的具體流程為 ①、選定一個初始閾值T，令 即T為整幅圖像最大灰度值的90％，t為圖像的張數(shù)； ②、對整幅圖像按閾值T進(jìn)行分割，得到兩組圖像G1，G2。
其中 ③、計算G1和G2的平均灰度μ1，μ2。
式中，N1與N2分別表示G1，G2中像素點的個數(shù)總和； ④、計算新的閾值T1 ⑤、重復(fù)第②步到第④步，直到T1與T的絕對差值小于預(yù)定門限0.5為止，則得到全局閾值H，H即為此時的T1； ⑥、按H對圖像進(jìn)行分割，構(gòu)造出一張新的二值圖像 ⑦、計算A(t)(x，y)的連通域，并標(biāo)識每個連通域的中心C(t，n)(x，y)，其中t表示由上一步得到的微?；叶葓D像的序列號，n標(biāo)示連通域序列 ⑧、在原圖F(t)(x，y)的C(t，n)(x，y)以“X”方向向四周搜索N個像素，標(biāo)識出三處灰度梯度變化較大點，灰度梯度dL的定義為 dL＝pn+1-pn(21) 式中pn是指沿N(N為“X”方向中的任一方向)方向的某一點的像素值； ⑨、計算最終閾值E，E的取值應(yīng)包含在上述三處灰度梯度變化最大的灰度之間，按E值對圖像進(jìn)行二次分割，可得更為清晰的檢測目標(biāo) 對于有多個檢測目標(biāo)的圖像，根據(jù)每個檢測目標(biāo)可能得出多個閾值，以此閾值對每個目標(biāo)進(jìn)行分割，最后再將分割后的結(jié)果合并到一張圖像上。
所述步驟(5)的具體流程為通過步驟(4)得到的目標(biāo)二值圖像中，對白色區(qū)域進(jìn)行編號，計算該白色區(qū)域的八連通域，并統(tǒng)計它們各自的面積，求出各個區(qū)域的內(nèi)部最長直徑，最短直徑，和邊界線的離心率，其中最長直徑指的是兩點間最大的歐氏距離，最短直徑是指是與長軸垂直的直線，邊界線的離心率指的是最長直徑和最短直徑的比值。
與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點就在于 1、忽略相機(jī)標(biāo)定過程中，世界標(biāo)坐系中絕對位置的變化，直接依據(jù)所檢雜質(zhì)的相對位置，計算雜質(zhì)的大小，即根據(jù)所拍攝圖像在像素平面坐標(biāo)系中的坐標(biāo)，和相機(jī)成像時的部分內(nèi)部參數(shù)--相鄰兩個像素在水平方向和垂直方向所代表的實際距離，推算出成像物體的實際大小； 2、對微小異物采用能量累積和二次差分的方法也就是對三張序列圖像中，相鄰的兩張隔幀差分圖像，作二次差分，得到不含中間幀目標(biāo)圖像；同時，對此兩張差分圖像作加法，得到能量累積后的增強(qiáng)中間幀目標(biāo)圖像；對增強(qiáng)中間幀目標(biāo)圖像和不含中間幀目標(biāo)圖像做絕對差分處理，便得到只包含了增強(qiáng)后的中間幀目標(biāo)圖像。
3、圖像分割過程中，選用多步閾值法，即先由全局閾值法構(gòu)造一個粗略的二值圖像，然后在此閾值的基礎(chǔ)上，大致確定每個檢測雜質(zhì)的中心，在此中心以“X”方向向四周搜索，確定每個雜質(zhì)的最佳分割閾值。



圖1是本發(fā)明的總體流程示意圖； 圖2是本發(fā)明中針孔成像透視示意圖； 圖3是本發(fā)明中相機(jī)標(biāo)定的結(jié)構(gòu)示意圖； 圖4是本發(fā)明中目標(biāo)提取算法流程示意圖； 圖5是本發(fā)明中運動目標(biāo)分割流程示意圖； 圖6是本發(fā)明中二次差分和灰度能量累積后得到的圖像； 圖7是本發(fā)明中閾值分割后圖像示意圖。

具體實施例方式 以下將結(jié)合附圖和具體實施例對本發(fā)明做進(jìn)一步詳細(xì)說明。
如圖1所示，本發(fā)明醫(yī)藥大輸液機(jī)器視覺在線檢測方法的具體流程為 1、獲取連續(xù)圖像。這一步主要是完成連續(xù)圖像的獲取，并利用預(yù)先完成的相機(jī)標(biāo)定，得到所攝圖像相鄰像素間距所代表的實際距離，為圖像判斷過程中，計算微粒的最大直徑提供數(shù)據(jù)支持。大輸液瓶在環(huán)行軌道上高速旋轉(zhuǎn)后立即停止，攝像機(jī)連續(xù)采集急停后的輸液圖像，形成序列圖像，發(fā)送給工控機(jī)用來判斷是否存在可見異物。其中，環(huán)行軌道是指輸液起初沿軌道相對靜止運行，之后相對于軌道作高速自轉(zhuǎn)，使瓶中的雜質(zhì)盡可能的隨輸液一起運動；相機(jī)是指可用于工業(yè)現(xiàn)場的兩臺高速面掃CCD相機(jī)，兩相機(jī)垂直擺放，以得到所檢測輸液的完整圖像；序列圖像是指輸液急停后連續(xù)拍攝的7幀圖像，此序列圖像均是采用環(huán)形光源以頂部給光方式拍攝，背景統(tǒng)一；可見異物是指在規(guī)定條件下目視可以觀測到的不溶性物質(zhì)，其粒徑或長度通常大于50微米，包括漂浮物、色點、纖維、玻屑等雜質(zhì)。為了保證攝像機(jī)能拍攝到輸液瓶中的異物，瓶子的旋轉(zhuǎn)速度為7轉(zhuǎn)/秒，快門速度為1/1500秒，光圈f/8，圖像大小為640×480像素，不考慮鏡頭的畸變，采用針孔成相模型，計算出每一像素的間距為0.02mm。標(biāo)定時，選用4個黑白相間的正方形塑料片做標(biāo)志，相機(jī)標(biāo)定的結(jié)構(gòu)示意圖如圖2所示。其中s為塑料片到成像平面的距離，a為塑料片上每一小正方形的邊長。f為攝像機(jī)的焦距，x為物平面坐標(biāo)系中的橫坐標(biāo)，y為物平面坐標(biāo)系中縱坐標(biāo)，當(dāng)選定相機(jī)焦距時，成像過程滿足針孔模型，其透視模型如圖3所示，則有物平面點Z(x，y，s)到像平面點Zu(xu，yu)的透視變化關(guān)系即 忽略鏡頭的畸變，則像平面到像素平面的變化關(guān)系有 式中，(xf，yf)為物平面點Z(x，y，s)在像素平面的坐標(biāo)點，(Nx，Ny)為像素平面上單位距離的像素點，(xc，yc)為像平面中心在像素平面中的坐標(biāo)，整理(1)，(2)兩式可得 本方法中，由于輸液瓶的成像始終在焦距附近，因此可近似認(rèn)為所有的實際成像點都落在物平面Z(x，y，s)上，從而得出實際兩點(x1，y1)，(x2，y2)距離L與像素平面中成像坐標(biāo)(xf1，yf1)，(xf2，yf2)的關(guān)系為 由上式知，只需確定(Nx，Ny)變可得出實際兩物點的距離。
確定Nx，Ny時，取做標(biāo)志用的正方形塑料片中的四個小正方形在像素平面上成像后的9個坐標(biāo)(xf1，yf1)，(xf2，yf2)，(xf3，yf3)，(xf4，yf4)，(xf5，yf5)，(xf6，yf6)，與(xf7，yf7)，(xf8，yf8)，(xf9，yf9)，分別計算該4個相鄰正方形12條邊的距離 ... 其中，S1，S2，S3，S4，S5，S6是小正方形的六條水平邊成像后的像素點數(shù)，S7，S8，S9，S10，S11，S12是小正方形的六條垂直邊成像后的像素點數(shù)，據(jù)此可得像素坐標(biāo)系在水平方向相鄰像素間的距離Nx 像素坐標(biāo)系在垂直方向相鄰像素間的距離Ny 2、圖像去噪。為滿足圖像實時處理的速度的需要，選用較為簡單的中值濾波，去除圖像采集過程中帶來的噪聲，該濾波器可以最大概率的去除沖激噪聲，其表達(dá)式為 式中，選用m×n的模板Sxy，其中m，n均為奇數(shù)，g(s，t)表示在的模板窗口的像素值，f(x，y)為經(jīng)該模板窗口濾波后，輸出的像素值，(x，y)為模板Sxy的中心。
3、運動目標(biāo)提取。由于溶液中藥物微粒的存在，以及微粒本身十分微小，因此，要完成對溶液中異物檢測的檢測實際上是一種對多微小目標(biāo)的檢測。這里采用的差分方法是一種二次差分與灰度能量累積相結(jié)合的方法，該差分的流程圖如圖3所示。這種算法實際上是一種在對稱差分方法基礎(chǔ)上改進(jìn)而來的方法，它通過輸入連續(xù)三幀具有采樣間隔的現(xiàn)場圖像，對中間幀的目標(biāo)信息進(jìn)行提取。連續(xù)采集的序列圖像中，選取三幀溶液序列圖像f(t-1)(x，y)，f(t)(x，y)，f(t+1)(x，y)分別計算相鄰兩幀的絕對差灰度圖像d(t-1，t)(x，y)與d(t，t+1)(x，y)，如式(9)，(10)所示 d(t-1，t)(x，y)＝|f(t)(x，y)-f(t-1)(x，y)|(9) d(t，t+1)(x，y)＝|f(t+1)(x，y)-f(t)(x，y)|(10) 序列圖像差分后的絕對灰度差圖像中的目標(biāo)點能量變得很低。利用圖像本身的灰度差異使用一個正數(shù)N(2≤N≤5)放大這種差異，使目標(biāo)點具有更高的能量，得到的加權(quán)差分圖像P(t-n，t)(x，y)與P(t，t+n)(x，y)如式(11)，(12)所示 P(t-n，t)(x，y)＝d(t-n，t)(x，y)×N(11) P(t，t+n)(x，y)＝d(t，t+n)(x，y)×N(12) 其中取乘以N后灰度值大于255的像素點灰度值為255。增強(qiáng)后的差分圖像進(jìn)行二次差分計算如式(9)，得二次差分圖像D(x，y)。
D(x，y)＝|P(t-n，t)(x，y)-P(t，t+n)(x，y)|(13) 接著再按(14)式計算兩幅差分圖像的能量累積，以增加ft(x，y)中運動微粒對應(yīng)像素的能量，得能量累積圖像A(x，y) A(x，y)＝P(t-n，t)(x，y)+P(t，t+n)(x，y)(14) 同樣取相加后灰度值大于255的像素點灰度值為255。
最后將能量累積圖像A(x，y)和二次差分圖像D(x，y)用(15)式相減，便可以得到f(t)(x，y)中微粒灰度圖像F(t)(x，y)。
F(t)(x，y)＝A(x，y)-D(x，y)(15) 在本實例中，共選取7幀連續(xù)圖像，放大系數(shù)N為2，最后得到5幀微?；叶葓D像。如圖4所示。
4、運動目標(biāo)分割。本實例采用自動閾值法對上一步得到的5張微?；叶葓D像F(t)(x，y)，(t＝1，2，3，4，5)進(jìn)行運動目標(biāo)的分割，在確定具體閾值時，采用多步閾值法，對圖像進(jìn)行分析。首先選用全值閾值法，得出一個大致閾值對圖像進(jìn)行分割，接著在全局閾值的基礎(chǔ)上，采用“X”向搜索法，計算局部閾值，以得到更為準(zhǔn)確的目標(biāo)圖像，其流程圖如圖5所示，過程如下。
(1)選定一個初始閾值T，令 即T為整幅圖像最大灰度值的90％。
(2)對整幅圖像按閾值T進(jìn)行分割，得到兩組圖像G1，G2。
其中 (3)計算G1和G2的平均灰度μ1，μ2。
式中，N1與N2分別表示G1，G2中像素點的個數(shù)總和。
(4)計算新的閾值T1 (5)重復(fù)第(2)步到第(4)步，直到T1與T的絕對差值小于預(yù)定門限0.5為止，則得到全局閾值H，H即為此時的T1。
(6)按H對圖像進(jìn)行分割，構(gòu)造出一張新的二值圖像 (7)計算A(t)(x，y)的連通域，并標(biāo)識每個連通域的中心C(t，n)(x，y)(t表示由上一步得到的5張微?；叶葓D像的序列號，n標(biāo)示連通域序列)。
(8)在原圖F(t)(x，y)的C(t，n)(x，y)以“X”方向向四周搜索N個像素，(此像素的選取不影響最大灰度值，本實例中選取N為50)標(biāo)識出三處灰度梯度變化較大點，灰度梯度dL的定義為 dL＝pn+1-pn(21) 式中pn是指沿N(N為“X”方向中的任一方向)方向的某一點的像素值。
(9)計算最終閾值E，E的取值應(yīng)包含在上述三處灰度梯度變化最大的灰度之間，按E值對圖像進(jìn)行二次分割，可得更為清晰的檢測目標(biāo)。分割后的一幀微粒二值圖像如圖5所示。
對于有多個檢測目標(biāo)的圖像，根據(jù)每個檢測目標(biāo)可能得出多個閾值，以此閾值對每個目標(biāo)進(jìn)行分割，最后再將分割后的結(jié)果合并到一張圖像上。
5、圖像識別。在得到的目標(biāo)二值圖像中，對白色區(qū)域進(jìn)行編號，計算該白色區(qū)域的八連通域，并統(tǒng)計它們各自的面積，求出各個區(qū)域的內(nèi)部最長直徑，最短直徑，和邊界線的離心率。最長直徑指的是兩點間最大的歐氏距離，最短直徑是指是與長軸垂直的直線，邊界線的離心率指的是最長直徑和最短直徑的比值。實際操作中，對由上一步得到的5幀圖像的相對應(yīng)的最長直徑進(jìn)行比較，排除異物旋轉(zhuǎn)過程對成像的影響，得出異物的最大直徑。
6、圖像判斷。這一步主要是利用一些圖像識別的技術(shù)，對大輸液的質(zhì)量進(jìn)行判斷，過程如下。
(1)按(4)式將最大直徑轉(zhuǎn)化為實際中的長度L，并將L與檢測標(biāo)準(zhǔn)進(jìn)行比較，如果L大于檢測標(biāo)準(zhǔn)，則認(rèn)為被檢測輸液不合檢。
(2)判斷不合格品中的最大直徑異物邊界線的離心率，如該離心率大于10，則認(rèn)為該異物為纖維，否則為色塊等其他異物。
(3)記錄下檢測結(jié)果，與PLC進(jìn)行通信發(fā)出控制信號。
7、最后，PLC接收到控制信號后，控制擊出器將不合格品擊出至回收區(qū)。
權(quán)利要求
1.一種醫(yī)藥大輸液機(jī)器視覺在線檢測方法，其特征在于步驟為
(1)、獲取連續(xù)圖像標(biāo)定相機(jī)后相機(jī)連續(xù)抓取大輸液旋轉(zhuǎn)急停后序列圖像，并將這些圖像傳送至工控機(jī)；
(2)、圖像去噪對步驟(1)中得到的圖像進(jìn)行預(yù)處理，通過中值濾波器去除圖像拍攝和傳輸過程中可能引起的噪聲；
(3)、運動目標(biāo)提取通過二次差分與灰度能量累積相結(jié)合的方法，利用微小異物成像時的時間相關(guān)性，完成序列圖像中的運動微粒目標(biāo)的提取；
(4)、運動目標(biāo)分割選用多步閾值法，逐步確定微小異物灰度圖像的最佳分割閾值，實現(xiàn)運動目標(biāo)的分割，操作時，先依據(jù)圖像的直方圖分布，自動計算出檢測目標(biāo)的閾值，得出被檢測體的大致范圍，之后，再從此被分離區(qū)域的中心出發(fā)，沿“X”字方向進(jìn)行搜索，得出最大梯度變化點，選取此梯度中的一個合適灰度值，對圖像進(jìn)行最終分割；
(5)、圖像識別通過八連通域的標(biāo)識，標(biāo)識出圖像中有可能為異物的連通區(qū)域，并計算同一連通區(qū)域的內(nèi)部最長直徑；
(6)、圖像判斷通過對連通域中，目標(biāo)最大直徑，和離心率的計算，判斷出輸液的質(zhì)量情況，并對異物的類型進(jìn)行分類；如果連通區(qū)里，目標(biāo)的最長直徑超過某一設(shè)定值，則認(rèn)為該被檢測輸液不符合生產(chǎn)要求，依據(jù)離心率的計算判斷出連通區(qū)的形狀，記錄下不合格輸液的相關(guān)參數(shù)，并與PLC進(jìn)行通信，發(fā)出控制信號。
2.根據(jù)權(quán)利要求1所述的醫(yī)藥大輸液機(jī)器視覺在線檢測方法，其特征在于所述步驟(1)中二次差分與灰度能量累積相結(jié)合的方法流程為
①、通過輸入連續(xù)三幀具有采樣間隔的現(xiàn)場圖像，對中間幀的目標(biāo)信息進(jìn)行提取，連續(xù)采集的序列圖像中，選取三幀溶液序列圖像f(t-1)(x，y)，f(t)(x，y)，f(t+1)(x，y)通過下式(9)和(10)分別計算相鄰兩幀的絕對差灰度圖像d(t-1，t)(x，y)與d(t，t+1)(x，y)，
d(t-1，t)(x，y)＝|f(t)(x，y)-f(t-1)(x，y)|(9)
d(t，t+1)(x，y)＝|f(t+1)(x，y)-f(t)(x，y)|(10)；
②、利用圖像本身的灰度差異使用一個正數(shù)N(2≤N≤5)放大這種差異，使目標(biāo)點具有更高的能量，得到的加權(quán)差分圖像P(t-n，t)(x，y)與P(t，t+n)(x，y)如下式(11)和(12)所示，
P(t-n，t)(x，y)＝d(t-n，t)(x，y)×N(11)
P(t，t+n)(x，y)＝d(t，t+n)(x，y)×N(12)
其中取乘以N后灰度值大于255的像素點灰度值為255；
③、增強(qiáng)后的差分圖像進(jìn)行二次差分計算如式(9)，得二次差分圖像D(x，y)，
D(x，y)＝|P(t-n，t)(x，y)-P(t，t+n)(x，y)|(13)；
④、按下式(14)計算兩幅差分圖像的能量累積，以增加ft(x，y)中運動微粒對應(yīng)像素的能量，得能量累積圖像A(x，y)，
A(x，y)＝P(t-n，t)(x，y)+P(t，t+n)(x，y)(14)
同樣取相加后灰度值大于255的像素點灰度值為255；
⑤、最后將能量累積圖像A(x，y)和二次差分圖像D(x，y)用下式(15)相減，便可以得到f(t)(x，y)中微粒灰度圖像F(t)(x，y)，
F(t)(x，y)＝A(x，y)-D(x，y)(15)。
3.根據(jù)權(quán)利要求1或2所述的醫(yī)藥大輸液機(jī)器視覺在線檢測方法，其特征在于所述步驟(4)中采用多步閾值法對微?；叶葓D像F(t)(x，y)進(jìn)行目標(biāo)分割的具體流程為
①、選定一個初始閾值T，令
即T為整幅圖像最大灰度值的90％，t為圖像的張數(shù)；
②、對整幅圖像按閾值T進(jìn)行分割，得到兩組圖像G1，G2
其中
③、計算G1和G2的平均灰度μ1，μ2
式中，N1與N2分別表示G1，G2中像素點的個數(shù)總和；
④、計算新的閾值T1
⑤、重復(fù)第②步到第④步，直到T1與T的絕對差值小于預(yù)定門限0.5為止，則得到全局閾值H，H即為此時的T1；
⑥、按H對圖像進(jìn)行分割，構(gòu)造出一張新的二值圖像
⑦、計算A(t)(x，y)的連通域，并標(biāo)識每個連通域的中心C(t，n)(x，y)，其中t表示由上一步得到的連續(xù)微粒灰度圖像的序列號，n標(biāo)示連通域序列；
⑧、在原圖F(t)(x，y)的C(t，n)(x，y)以“X”方向向四周搜索N個像素，標(biāo)識出三處灰度梯度變化較大點，灰度梯度dL的定義為
dL＝pn+1-pn(21)
式中pn是指沿N(N為“X”方向中的任一方向)方向的某一點的像素值；
⑨、計算最終閾值E，E的取值應(yīng)包含在上述三處灰度梯度變化最大的灰度之間，按E值對圖像進(jìn)行二次分割，可得更為清晰的檢測目標(biāo)
對于有多個檢測目標(biāo)的圖像，根據(jù)每個檢測目標(biāo)可能得出多個閾值，以此閾值對每個目標(biāo)進(jìn)行分割，最后再將分割后的結(jié)果合并到一張圖像上。
4.根據(jù)權(quán)利要求1或2所述的醫(yī)藥大輸液機(jī)器視覺在線檢測方法，其特征在于所述步驟(5)的具體流程為通過步驟(4)得到的目標(biāo)二值圖像中，對白色區(qū)域進(jìn)行編號，計算該白色區(qū)域的八連通域，并統(tǒng)計它們各自的面積，求出各個區(qū)域的內(nèi)部最長直徑，最短直徑，和邊界線的離心率，其中最長直徑指的是兩點間最大的歐氏距離，最短直徑是指是與長軸垂直的直線，邊界線的離心率指的是最長直徑和最短直徑的比值。
5.根據(jù)權(quán)利要求3所述的醫(yī)藥大輸液機(jī)器視覺在線檢測方法，其特征在于所述步驟(5)的具體流程為通過步驟(4)得到的目標(biāo)二值圖像中，對白色區(qū)域進(jìn)行編號，計算該白色區(qū)域的八連通域，并統(tǒng)計它們各自的面積，求出各個區(qū)域的內(nèi)部最長直徑，最短直徑，和邊界線的離心率，其中最長直徑指的是兩點間最大的歐氏距離，最短直徑是指是與長軸垂直的直線，邊界線的離心率指的是最長直徑和最短直徑的比值。
全文摘要
本發(fā)明公開了一種醫(yī)藥大輸液機(jī)器視覺在線檢測方法，其步驟為(1).獲取大輸液旋轉(zhuǎn)急停后的序列圖像；(2).對序列圖像進(jìn)行預(yù)處理；(3).通過二次差分與灰度能量累積相結(jié)合的方法，完成序列圖像中的運動微粒目標(biāo)的提??；(4).選用多步閾值法，逐步確定微小異物灰度圖像的最佳分割閾值，實現(xiàn)運動目標(biāo)的分割；(5).通過八連通域的標(biāo)識，標(biāo)識出圖像中有可能為異物的連通區(qū)域，并計算同一連通區(qū)域的內(nèi)部最長直徑；(6).通過對連通域中，目標(biāo)最大直徑和離心率的計算，判斷出輸液的質(zhì)量情況，并對異物的類型進(jìn)行分類，最后發(fā)出控制信號。本發(fā)明能克服人工檢測效率低、速度慢、精度低、漏檢率高、檢測人員容易疲勞等問題，提高大輸液生產(chǎn)自動化程度和產(chǎn)品質(zhì)量。
文檔編號G06T7/00GK101165720SQ20071003576
公開日2008年4月23日 申請日期2007年9月18日 優(yōu)先權(quán)日2007年9月18日
發(fā)明者王耀南, 娟 魯, 周博文, 輝 張, 余洪山, 虹 秦, 朱惠峰 申請人:湖南大學(xué)