一种铝塑泡罩药品包装缺陷检测方法

目的针对铝塑泡罩药品人工检测时存在的包装缺陷,如效率低、成本高、稳定性差等,采用机器视觉技术对铝塑泡罩药品包装进行缺陷检测。方法采用快速鲁棒特征SURF提取算法、BOW算法和单分类支持向量机组成的缺陷检测算法框架,并完成铝塑泡罩药品包装缺陷检测系统的开发。通过搭建的实验平台获取280幅铝塑泡罩药品图像,并采用文中所提方法对180幅图像实施缺陷检测。结果实验结果显示,在阈值为1900、视觉单词数量为120、惩罚因子为0.9时,文中方法的准确率为99.4%。结论文中方法提高了铝塑泡罩药品包装缺陷检测的准确率和稳定性。     

改进 Otsu 算法在铝塑泡罩药品包装缺陷检测中的应用

目的为了满足药品缺陷检测系统的具体要求,需要有更好的图像分割效果。方法在二维Otsu法的基础上,提出新的阈值分割输出函数,并改进传统算法,使运算量大幅度降低。结果理论分析和仿真实验结果表明,该方法更能顾及药品图像边缘细节,具有好的分割效果,且分割速度也能满足实时检测要求。结论该改进算法用于铝塑泡罩药品包装缺陷检测更具有适用性和实时性。     

基于集成分类器的泡罩包装药品缺陷识别

目的 针对药品生产包装过程中常出现缺陷泡罩包装药品的问题,研究一种基于多特征构建与集成分类器的泡罩包装药品缺陷识别方法.方法 该方法通过集成2个不同的分类器算法分别对药品图像类别进行预测,并采用联合判定函数对2个预测输出值进行联合决策,得到最终分类结果.第1个分类器模型通过将图像转化到HSV颜色空间,分割出泡罩区域和药片区域,进行特征设计,并在提取多项特征参数后构建BP神经网络分类算法给定药品类别预测.第2个分类器模型应用多层卷积神经网络取代传统算法对图像特征进行提取,并输出药品图像类别的预测值.根据2个分类器的性能进行算法集成,构成最终集成分类器.结果 实验结果表明,该集成分类模型对数据集中泡罩包装药品图像进行分类识别测试,准确率达97％以上.结论 集成分类模型不仅提高了单一分类器的识别准确率,也具有更佳的稳定性.该方法取得了卓越的分类效果,具有较高应用性.     

基于机器视觉的内层包装缺陷检测光源的优化

目的 针对食品内层包装纸的缺陷特征,对机器视觉识别系统的照明光源进行优化,以提高内层包装缺陷的识别率,减少缺陷包装量。方法 基于计算机视觉识别技术,通过斑点检测不同光源下内层包装纸的常见缺陷特征,分别采用Matlab的三维绘图、相关性分析的方法,依次确定照明光源类型、形状和角度,并进行应用验证。结果 红外光源为纸铝复合内层包装纸缺陷特征识别的最适光源类型;条形光源与内层包装纸呈极显著相关,缺陷识别率达96.95%;60°的高角度照明位置与内层包装纸呈显著相关,缺陷识别率达96.96%。红外条形光源高角度照明,缺陷识别率达99%。结论 将红外条形光源高角度照明应用于纸铝复合内层包装纸的在线检测,与LED环形光源相比,其缺陷特征视觉识别率提高了0.51个百分点。     

基于机器视觉的药用铝箔印刷品质检测系统

为适应制药行业对药用铝箔印刷品质的严格要求,在分析了印刷过程中对微小针孔、正面文字缺陷以及反面细小异物的检测需求后,开发了一套基于机器视觉的药用铝箔印刷品质检测系统。系统选配了线阵CCD相机、条形LED光源等硬件,搭建了高实时性、高清晰度的图像采集环境;采用基于Win Sock网络通信的系统架构作为检测软件,将多台工控机的处理结果通过网络通信传输给中控系统。经测试表明:此检测系统在现场能够稳定、高效运行,提高了药用铝箔印刷品质检测的自动化程度。     

基于图像处理的包装印刷缺陷检测方法

目的为了提高包装印刷品缺陷检测的准确度和适用性,基于图像处理设计一种包装印刷缺陷检测方法。方法采用几个关键步骤包括图像配准、配准区域自动选取、缺陷检测等,并根据包装印刷品图像特征选择配准区域,同时给出一种快速图像配准算法,利用改进差影匹配算法实现缺陷检测;基于DSP和FPGA设计控制系统硬件平台,主要包括控制单元、图像采集与处理单元、成像单元等,并进行实验研究。结果所述方法能够准确识别出细微的刀丝、拉条类缺陷。结论该方法具有较高的可靠性、通用性,可实现包装印刷品缺陷的快速检测。     

基于深度学习的工业自动化包装缺陷检测方法

目的针对目前工业自动化生产中基于人工特征提取的包装缺陷检测方法复杂、专业知识要求高、通用性差、在多目标和复杂背景下难以应用等问题,研究基于深度学习的实时包装缺陷检测方法。方法在样本数据较少的情况下,提出一种基于深度学习的Inception-V3图像分类算法和YOLO-V3目标检测算法相结合的缺陷检测方法,并设计完整的基于计算机视觉的在线包装缺陷检测系统。结果实验结果显示,该方法的识别准确率为99.49%,方差为0.0000506,只使用Inception-V3算法的准确率为97.70%,方差为0.000251。结论相比一般基于人工特征提取的包装缺陷检测方法,避免了复杂的特征提取过程。相比只应用图像分类算法进行包装缺陷检测,该方法在包装缺陷区域占比较小的情况下能较明显地提高包装缺陷检测精度和稳定性,在复杂检测背景和多目标场景中体现优势。该缺陷检测系统和检测方法可以很容易地迁移到其他类似在线检测问题上。     

基于双光源法的直裂纹深度定量检测数值模拟研究

围绕表面裂纹的深度检测,采用数值模拟方法对比了双光源下表面检测法和上表面检测法.结果表明,采用双光源检测法时,探针作用于上下表面均可对裂纹深度进行探测.对比两种检测手段,下表面检测法更易实现.针对深度为0.5 mm～2.5 mm的缺陷检测,下表面检测法的误差最高达到25.1%,而上表面检测法的裂纹深度测量误差均在2.5%以内,检测精度更高.     

基于边缘与非边缘分开处理的印刷品缺陷检测

针对印刷品缺陷检测问题,通过对经典缺陷识别算法的研究,提出了一种边缘点与非边缘点分开处理的印刷品检测缺陷识别算法。算法以统计过程原理为出发点,根据边缘点和非边缘点不同的像素特征,对非边缘点采用统计阈值法处理,对边缘点采用邻域平均值与梯度值相结合的算法处理。该算法经过实验证明,能够有效地剔除伪疵点,提取出真正的缺陷。     

基于几何法立体图像校正的研究

立体视觉图像校正是加速立体匹配简单而常用的技术之一。采用几何法对使用棱镜的单镜头立体视觉系统图像进行校正,根据成像原理,从图像平面像素点反推到三维实体点的分析运算,利用成像光线几何关系求解虚拟相机外部参数,实现极线的校正,避免了复杂相机标定过程。同时,该算法可以从双棱镜应用推广到多面棱镜的单棱镜立体视觉系统图像校正。实验结果表明,基于几何法对使用棱镜的单镜头立体视觉系统图像校正是有效的。     

药品包装铝箔印刷涂布

一、问题的提出近几年来,药品PTP铝箔质量不断提高,应用范围也不断扩大,食品、保健品等均有应用。但是在PTP铝箔印刷过程中也出现了一些问题,并造成不同程度的损失,影响很大。为提高铝箔印刷及其使用质量,特归纳几种出现频率高、影响面大、又需急待解决的问题,与大家共同探讨,目的是为了让使用铝箔的管理者能更好应对由于其而产生的质量问题。     

基于软包装铝箔凹印工艺差异化分析研究

目的解决铝箔凹印过程中的质量问题,完善凹印工艺技术。方法在分析铝箔印刷适性、专用水性油墨印刷适性、激光雕刻技术的基础上,选择铝箔凹印高速印刷机对印刷过程的质量问题进行聚类分析。结果铝箔的界面张力大于32 k N/m,激光凹版100线/cm的网点暗调深度的控制范围为30~35μm,水性油墨的黏度为25~35 s(25℃,4#黏度杯)。结论在验证技术数据的同时,查明了凹印过程中质量问题的原因,并提供了解决方案,提升了铝箔的凹印水平。     

基于图像的曲面光顺算法

针对目前曲面光顺算法存在的问题,提出了一种由平滑曲面在平行光照射下图像达到光顺的思想而形成的曲面光顺算法。该算法直接平滑曲面在平行光照射下的图像,然后通过光度立体技术反求出光顺后的曲面。由于能直接平滑曲面在平行光照射下的图像,使得光顺后的曲面在基于光照模型的曲面光顺准则下具有很的好光顺性质。应用实例显示,该算法能在保持原曲面形态的基础上达到很好的光顺效果。     

铝箔材料在包装工业中的开发应用

1.包装用铝板带箔材料的发展概况食品业与制药业广泛应用铝,因为铝无毒性、无吸附性、不易碎裂、能抑制细菌生长并能用蒸汽清洗。当集装箱或输送带须进入加热或冷东区时,铝的低容积比热可以起节能作用铝的无火花性质,对于面粉厂和其它     

基于比例特征的区域分割算法在药板缺陷检测中的研究

目的 为解决铝塑泡罩药板图像ROI区域定位慢、精度差等问题,本文提出一种基于比例特征的泡罩区域分割算法,该算法可以快速定位并分割泡罩ROI区域,结合图像相关性特征算法对铝塑泡罩药板进行缺陷检测。方法 首先通过工业相机采集药品包装生产线上的药板原始图像,接着使用Blob分析从原始图片中分离出铝塑泡罩主体部分,然后通过仿射变换将图像放置在中心区域,并使用比例特征分割算法对泡罩区域进行分割,最后通过金字塔加速的NCC算法完成缺陷检测。结果 实验结果表明,基于比例特征分割后的图像平均NCC匹配时间为9 ms,在缺陷样本占比20%的实验中误检率为0.167%,漏检率为0.556%。结论 通过比例特征分割出精准的泡罩ROI区域结合改进的NCC算法,在拥有较高准确率的同时大幅减少了缺陷检测时图像匹配的时间,能较好地完成铝塑泡罩药板的缺陷检测任务。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。