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。     

基于改进大津法与人工鱼群优化的图像分割算法

为了在泡罩药品包装视觉检测过程中获取更好的图像分割效果,以保证特征提取、缺陷识别等后续任务的顺利进行,对传统二维大津法进行改进,引入类内方差并将其与人工鱼群算法相结合,提出一种新型泡罩药品包装图像分割算法,再对该算法进行理论和仿真分析。研究结果表明：该算法具有较好的图像分割效果,提高了二维阈值查找速度和泡罩药品缺陷检测效率。该算法具有运行速度快、分割效果好、准确可靠等特点,可应用于泡罩药品包装缺陷检测和图像分割领域。     

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.     

全自动泡罩药品包装视觉检测控制系统设计

目的为了提高泡罩药品包装的检测效率,降低生产成本,提升药品包装质量。方法设计一套基于DSP和触摸屏的泡罩药品视觉在线检测系统,利用TMS320 DM365芯片完成泡罩药品图像的处理和核心控制,由触摸屏和LCD液晶显示屏实现控制系统在线监控和图像处理结果显示,并在硬件结构基础上完成控制系统软件设计。结果通过对该系统的实验测试可知,该系统准确检测率高达100%。结论该控制系统能够实现泡罩药品包装缺陷的快速检测,检测准确率较高,大大降低了劳动强度,有效降低了生产成本。     

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。     

泡罩药品包装视觉检测系统图像滤波算法

目的有效滤除泡罩药品包装视觉检测系统中的图像噪声,以保证后续泡罩包装药品的图像分割、特征提取等任务顺利开展。方法分析引导滤波的数学模型,并在此基础上对其进行改进,提出一种自适应高斯引导的新型泡罩药品包装图像滤波算法。采用更加理性的参数优化算法,且用高斯窗口来代替传统的盒窗口。结果自适应高斯引导滤波算法能够有效滤除图像中的噪声,同时最大程度地保留原始图像中的边缘和细节等信息。结论该算法对后期泡罩药品包装的图像处理和分析有一定的指导意义。     

手机玻璃屏表面缺陷视觉检测方法研究

目的针对手机玻璃屏表面缺陷人工检测存在的准确率低、稳定性差等问题,提出一种基于机器视觉技术的手机玻璃屏表面缺陷检测方法。方法采用统计平均法建立模板图像,以减少外界光照对模板图像的灰度影响。采用基于互信息的配准方法实现模板图像和待测图像的像素对齐,将配准后的待测图像与模板图像进行差分运算,获取残差图像,并采用Niblack方法实现残差图像上的缺陷判断。通过搭建的实验平台获取了300幅手机玻璃屏图像,并采用文中提出的方法、模板匹配法和人工检测法对300幅图像实施缺陷检测。结果实验结果显示,文中方法的真正率为92%,真负率为96.5%和准确率为95%。与模板匹配法和人工检测法相比,文中方法在真正率、真负率和准确率上分别至少提高了5%,4%和4.3%。结论文中方法与人工检测方法相比,提高了手机玻璃屏表面缺陷检测的准确率和稳定性。     

改进NCC算法在铝塑药板包装缺陷检测中的应用

目的 鉴于传统归一化互相关算法（Normalized cross correlation, NCC）存在计算量大及无法适应图像旋转的缺陷,提出一种改进算法,能快速完成对泡罩区域的提取,以及对铝塑药板缺损、漏装等缺陷的识别。方法 首先对原始图像进行预处理,然后通过仿射变换使其变换至指定位置,接着提取其单个泡罩区域作为模板并构建积分图,最后获取待测图像,变换至相同位置后进行查表式匹配。结果 与传统方法相比,改进后算法速度得到极大提升,对为1920×1200图片的匹配时间仅为21 ms,对实验样品的检测误检率为0,漏检率为3.5%。结论 改进后的NCC匹配算法在满足精度要求的同时具有较快的速度优势,能较好地适用于铝塑泡罩包装缺陷检测中对泡罩区域的快速提取,药粒缺损10%以上缺陷及漏装缺陷的识别。     

基于图像识别的铝塑包装材料边缘检测

目的为了提高铝塑类包装材料的边缘检测精度,基于图像识别技术设计一种边缘检测方法。方法介绍Canny边缘检测算法,针对其双阈值选择比较困难、边缘检测精度不高等问题,利用Ostu算法实现高、低阈值的选取。基于FPGA(现场可编程门阵列)和DSP(数字信号处理器)搭建一种图像检测系统,并给出系统框图及FPGA内部结构,即异步FIFO模块、串入并出模块、像素窗口刷新模块、数据处理模块以及配套电路等,并以药品铝塑泡罩包装为例进行实验研究。结果改进的Canny算法在保证处理速度的前提下,所检测图像清晰细致,能够得到完整边缘。结论该方法具有准确度高、稳定可靠、识别速度快等特点,可满足包装过程产品检测要求。     

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。     

食品包装日期喷码检测系统设计

目的为了提高食品包装过程中喷码检测的准确度,基于机器视觉提出一种喷码缺陷检测方法。方法分析自动喷码系统结构和工艺流程,包括搬运机械手、传送装置、喷码装置、检测装置等。以扫码检测为重点研究对象,利用机器视觉采集图像,通过图像处理算法实现喷码缺陷检测,包括模板匹配算法和垂直投影方法。同时给出缺陷检测流程,主要由图像分割、字符校正和分割、字符分割、缺陷检测等步骤组成。结果实验结果表明,所述喷码检测方法的识别成功率可以达到99%,识别成功率较高。结论该方法能够有效处理漏印等喷码缺陷,可以代替人工实现食品包装的自动化分拣。     

基于机器视觉的注射液针头胶帽缺陷检测

目的 封装检测是保证流水线上产品质量的关键。针对预罐装注射液,提出一种基于机器视觉的注射液针头胶帽缺陷的实用检测算法。方法 算法首先采用以灰度分布概率作为度量标准的直方图双峰法,对图像进行阈值分割;随后依据以特征角点为中心延伸出的4个象限区域进行特征分析,定位胶帽下边沿左、右角点,以计算胶帽高度;将对称轴点集进行分段直线拟合,得到对称轴所有可能的斜率和截距,基于边缘信息计算最优对称轴和胶帽倾斜角。结果 采用多组图像检验算法缺陷检测,实验结果显示检测成功率达到97.86%。结论 该算法能够对针头胶帽的多种缺陷进行检测,对不合格产品进行分类。     

基于四光源光度立体法的药品泡罩包装中 铝箔缺陷检测方法

为了提高药品泡罩包装中铝箔缺陷检测效率,提出了基于四光源光度立体法的铝箔缺陷检测方法。利用四光源光度立体法可以高效、准确地获得待测对象的表面梯度信息,接着使用表面梯度信息得到待测对象的表面高斯曲率,再对表面高斯曲率图进行形态学处理,最后从灰度图像中有效分割铝箔缺陷区域。实验结果表明,本方法可以有效地检测铝箔缺陷,缺陷检测的准确率在91%以上。     

一种基于差影法及SVM的在线纸病检测分类方法

目的 解决目前纸病分类算法存在的实时性差、难以适应生产线在线检测要求等问题。方法 提出一种基于差影法和支持向量机的在线纸病检测分类方法。首先使用差影法来判断纸张是否含有纸病;对含有纸病的纸张进行打标机打标,同时存储图像,提取纸病区域外接矩形的特征向量;最后使用支持向量机对纸病进行分类。结果 将该方法与已有的BP神经网络以及朴素贝叶斯方法进行对比可知,分类正确率高于目前已有的分类方法,对于4种纸病的分类正确率均在90%以上,而且实时性好,更加适合于在线检测。结论 该方法可以有效地对纸病进行分类,满足生产线实时检测分类的要求。     

基于无监督深度神经网络的卷烟小包拉线缺陷视觉智能检测方法

目的 为减少ZB47包装机小包拉线缺陷投诉,基于无监督深度神经网络构建一种小包拉线缺陷视觉智能检测方法。方法 首先,在ZB47包装机CH转塔部位设计并加装小包图像采集装置,获得实时高清晰度小包图像。其次,将小包图像根据拉线位置进行固定位置的裁剪,从而减轻不同工况的环境背景影响并且加快检测速度。然后,构建自编码器–编码器结构的主干网络,同时叠加生成对抗网络中的判别器模块组成缺陷判别模型,并综合采用图像间、图像隐空间以及图像特征间的信息构建模型的损失函数。最后,使用裁剪后的正常小包拉线图像对构建的缺陷判别模型进行训练,并基于所有的正常小包图像得到异常阈值。结果 实际验证阶段,待检测图像的得分大于异常阈值即判断为异常图像,触发CH转塔部位的小包剔除装置将该缺陷小包剔除。生产现场测试表明,所提方法可以对典型小包缺陷进行快速准确检测,缺陷检测准确率为99.99%。结论 该方法能够满足生产现场卷烟小包拉线缺陷检测的准确性和实时性要求。     

小样本药用玻璃瓶缺陷生成方法及应用

目的 为了克服药包玻璃瓶缺陷样本不足带来的缺陷检测模型精度不准的问题,提出改进StyleGAN2-ADA的缺陷样本生成方法,提升模型鲁棒性。方法 首先,基于StyleGAN2-ADA算法,在无缺陷图像集上训练网络模型并作为骨干。其次,在骨干网络上添加缺陷感知残差块,生成缺陷掩码,在少量的缺陷图像数据集上训练网络模型操纵掩码区域的特征,模拟缺陷图像生成过程,合成缺陷图像。最后,采用YOLOv7检测网络验证该样本生成方法的效果。结果 实验结果表明,该方法在大量正常图像和少量缺陷图像基础上生成逼真且多样性的缺陷图像,应用该缺陷样本合成方法丰富数据集后,西林瓶缺陷检测平均准确率（mAP）达到97.3%,较原始数据集合和StyleGAN2-ADA算法分别提高了33.1%和4.1%。结论 该图像生成方法可以在少量缺陷样本下生成高质量的缺陷图像,优化不均衡数据集,增强模型训练的稳定性,提高药用玻璃包装产品的质量和合格率。