大输液在线视觉检测系统的研究

针对传统灯检检测精度低,人力成本高的问题,研究了基于机器视觉的大输液中可见异物在线检测系统的关键技术。利用高速旋转装置,获取运动目标的序列图像。根据图像间的交互方差系数MV建立序列图像的背景,利用背景差分提取检测目标。综合质心迭代算法和卡尔曼滤波器实现了运动目标的跟踪,根据运动轨迹方向确定可见异物是否存在,排除气泡的干扰。实验结果表明该系统能够有效地实现大输液中可见异物的实时检测功能。     

大输液中可见异物智能在线检测系统设计

设计了基于机器视觉的智能大输液异物在线检测系统,该系统可以实现灌装后大输液瓶中杂质的检测;研究了该检测系统的基本构成,工作原理以及一些关键图像处理技术;该检测系统采用特殊的硬件检测平台,让杂质与瓶身作相对运动,再利用精密的光学成像系统获取运动异物的序列图像,最后通过图像预处理、运动目标提取、运动目标分割和图像识别与判断这四个步骤完成对异物的检测;实验表明该系统可快速的检测出大输液溶液中所含的多种杂质.准确度高,实时性强。     

口服液可见异物智能检测系统

针对西林瓶装口服液中可见异物的检测,开发一种基于机器视觉的智能识别和分拣系统,采用多检测工位和多相机跟踪拍摄的方式,以避免误判断。根据可见异物运动导致的平面图像中形状的变化,提出一种液体中微小目标的检测算法,通过多帧复合差分确定检测目标,利用基于异物加权特征的粒子滤波跟踪算法,克服单一特征导致的误跟踪,准确区分干扰和可见异物。实验结果表明,该方法可以满足在线检测的速度和精度要求。     

基于机器视觉的口服液灯检机关键技术研究

设计了一种基于机器视觉的口服液异物检测算法,实现口服液中异物的检测。通过高速工业摄像机获取序列图像,利用二次差分与累积差分法对序列图像进行处理,去除图像中的背景信息,得到只含杂质、少量气泡和部分噪声的灰度图像。通过自适应阈值处理提取运动目标。通过比较异物的大小是否超过医药标准来判断药剂中是否含有异物(比如:毛发、短纤维等),来实现对口服液中可见异物的实时检测。通过实验与现场测试,验证了该检测算法的有效性和可行性。     

基于机器视觉的医药注射剂智能检测系统研究

介绍了基于机器视觉的医药注射剂智能检测系统．设计了系统旋转式检测轮盘结构以及基于运动控制卡和数据I/O卡的电气控制系统．通过高速摄像机获取医药注射剂序列图像;采用二次差分和能量累积方法,获取注射剂内可能存在的运动小目标．提出了基于支持向量机的气泡和可见异物分类算法,准确判断出注射剂溶液内是否含有微小可见异物．实验验证了所提检测算法的有效性和装置的可行性．     

煤矿带式输送机分拣机器人异物识别与定位系统设计

机器视觉已在煤矿带式输送机分拣机器人目标检测与识别方面具有一定的理论基础,但目前煤矿带式输送机分拣机器人目标识别主要针对煤矸石识别,对造成输送带穿透、撕裂等的异物目标识别的研究较少,且在目标异物精确定位方面的研究也较少。针对上述问题,设计了一种基于机器视觉的煤矿带式输送机分拣机器人异物识别与定位系统,可对输送带上存在的不同类型和不同形状的异物进行识别与定位。采用双目视觉实时获取输送带上异物图像信息,并对图像进行预处理,基于Canny算子进行图像信息增强,通过灰度拉伸方法改进图像边缘信息,突出煤矿带式输送机上异物的边缘特征;利用形态学方法提取异物形状特征,建立异物图像特征样本库,通过图像特征匹配的方式解算出异物存在区域,实现异物类型的检测、分类与识别;在异物类型成功识别的基础上,以目标异物边缘特征值为基础,建立目标异物的感兴趣区域(ROI),构建相机、输送带与目标异物坐标转换关系,利用多目标质心快速计算方法求取目标异物质心坐标,实现对目标异物的定位。系统样机实验结果表明：煤矿带式输送机分拣机器人异物识别与定位系统异物识别率不受尺寸、材质和颜色等因素影响,能够实现输送带目标异物图像的采集、...     

基于机器视觉的安瓿自动灯检平台

针对18000瓶/小时1-20mL剂量的安瓿水针剂的在线自动化异物检测需求,运用机器视觉技术,设计并开发了安瓿高速自动灯检平台;对系统的机械部分、电气部分及光学成像系统设计进行了分析,在多次试验中我们确定了转速及急停至拍照的时间间隔重要参数,且提出了一种快速划定安瓿检测区域的算法,并针对运动的弱小异物特征提出了一种有效的识别算法,识别算法采用Visual C++编程并在检测平台上实现,实际运行效果验证了算法的有效性和实用性,其精度和速度都达到了生产线上的要求,该研究验证了机器视觉能有效地运用于安瓿的在线检测.     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

基于视觉传感器的输液中异物检测系统设计

为实现输液中异物的在线自动检测,设计了一种基于高性能视觉传感器的液体中微小异物检测系统.针对输液中微小异物的特点,设计了可编程控制的图像采集系统,以获取高质量的原始视觉图像.对采集到的图像通过预处理、特征提取、异物目标识别分类等算法实现了对异物目标的在线检测.实验表明:该系统对输液中粒径大于50 μm异物的识别准确率和识别速度均高于熟练灯检工.     

高速医药自动化生产线大输液视觉检测与识别技术

药品灌装质量检测是制药过程的一个重要环节,是药品质量的可靠保证.针对医药大输液可见异物视觉检测的需求,研制出基于多视觉的大输液自动化检测识别系统.首先研究了医药图像的高速高可靠性预处理方法,有效消除由机械振动和跟踪引起的干扰.研究了以药液微小异物为目标的改进模糊细胞神经网络图像分割方法,揭示了液体中异物目标、微粒、气泡等产生机理,综合分析目标的形态特征、边缘轮廓、运行特征等,得到各种异物的类型特征以及在序列图像中的动态变化信息.最后,使用序列图像的目标特征,基于支持向量机的AdaBoosting分类算法进行异物识别,结果证明本文提出的方法检测识别率高,对工程设备的研制具有重要意义.     

基于自适应混合模型的药液异物视觉检测

针对医药灌装生产线中产品异物检测的特点和要求,设计一套采用机器视觉技术的灌装药液异物自动检测系统,研究基于自适应混合模型的药液异物视觉检测方法。在对获取的药液图像预处理后,利用自适应混合高斯模型对药液序列图像数据进行检测,获得感兴趣的目标区域,采用形态学运算对目标区域进行分割。实验结果表明,该系统能准确有效地检测出药液内的异物,可满足医药灌装生产线上高速、高精度的检测要求。     

中药口服液中可见异物检测系统研究

针对目前生产线上中药口服液中可见异物检测系统存在的速度慢、精度低等问题,设计了一种可同时检测多个药瓶的基于机器视觉的异物快速检测系统。介绍了成像系统和机械系统。提出了一种基于边缘轮廓的图像配准算法,有效地消除了药瓶晃动的影响。提出了一种逐点阈值分割图像的二值化方法,能得到质量较好的二值化图像。实验结果表明,该系统能快速、有效地检测出可见异物,能较好地满足在线检测需求。     

基于机器视觉和轻量级卷积网络的安瓿瓶包装质量检测算法

针对人工检测安瓿瓶包装质量时存在的速度慢以及受主观因素影响导致的准确率低等问题，提出一种机器视觉和轻量级卷积神经网络结合的安瓿瓶包装质量检测方法。首先，采用机器视觉中基于阈值分割以及仿射变换的方法对待测图片进行阈值处理、倾斜校正和安瓿瓶区域的裁剪；然后，根据图像特点以及缺陷识别要求设计分类算法的网络结构；最后，采集生产现场图片构建安瓿瓶包装缺陷数据集，之后对提出的安瓿瓶包装缺陷识别网络进行了验证，并测试了部署在Jetson Nano嵌入式平台上的算法的准确率及检测速度。实验结果表明：以每盒五支装的产品为例，所提安瓿瓶包装质量检测算法平均每盒耗时70.1 ms，即可达14盒/秒，而准确率为99.94%，能够实现在Jetson Nano嵌入式平台上的在线高精度安瓿瓶包装质量检测。     

基于机器视觉和轻量级卷积网络的安瓿瓶包装质量检测算法

针对人工检测安瓿瓶包装质量时存在的速度慢以及受主观因素影响导致的准确率低等问题,提出一种机器视觉和轻量级卷积神经网络结合的安瓿瓶包装质量检测方法。首先,采用机器视觉中基于阈值分割以及仿射变换的方法对待测图片进行阈值处理、倾斜校正和安瓿瓶区域的裁剪;然后,根据图像特点以及缺陷识别要求设计分类算法的网络结构;最后,采集生产现场图片构建安瓿瓶包装缺陷数据集,之后对提出的安瓿瓶包装缺陷识别网络进行了验证,并测试了部署在Jetson Nano嵌入式平台上的算法的准确率及检测速度。实验结果表明：以每盒五支装的产品为例,所提安瓿瓶包装质量检测算法平均每盒耗时70.1 ms,即可达14盒/秒,而准确率为99.94%,能够实现在Jetson Nano嵌入式平台上的在线高精度安瓿瓶包装质量检测。     

基于DSP的大输液可见异物检测系统设计

设计了一套基于机器视觉的大输液可见异物自动检测系统.利用高速旋转装置获取运动异物的序列图像,采用嵌入至高速DSP中的异物检测与识别算法对序列图像进行处理,DSP将处理结果输送至控制器,并由控制器做出相应动作.重点研究了异物的检测与跟踪识别方法,针对快速降落及相似异物难以准确跟踪的问题,对Mean Shift跟踪算法作了...     

基于深度学习的X射线鞋底异物检测系统

在服饰鞋厂的加工生产过程中经常会出现断针现象,残留在鞋子里的多余断针等金属异物会威胁人们的人身安全.针对这一问题,本文提出了一种基于深度学习的鞋底金属异物检测系统.首先,将鞋子依次放在传送带上送入检针机,经过X光照射采集图像.之后对采集到的图像进行预处理操作,使金属异物变得清晰.最后通过深度学习网络模型识别当前图像是否...