药片缺陷检测是药片生产过程中的关键环节，其检测结果的好坏直接影响着药品的质量。常见的人工检测和抽样检测，成本高、效率低、检测的主观和随机性，无法满足现代企业对产品质量的要求。机器视觉检测技术凭借其自动化程度高、成本低、效率高等特点，迅速崛起并深入到医药行业中。基于机器视觉的药片缺陷检测将成为一种趋势。

药片

基于机器视觉的药片检测系统

1

药片缺陷的分类

完整性：药片残缺、不完整。常见为药片碎片、药片四周划伤（称为药片周围划伤）。

外观：药片外观有划伤，或药片表面被磨损。常见为药片表面划伤。

残缺             无刻字药片划痕         有刻完药片背面划痕

污染：药片被别的东西污染，或是药片沾染污染物。常见为药片表面有污渍（称为药片污渍）。

字符不可识别：字符模糊，或是字符被划伤导致药片的字符不可以识别。

表面污渍   边缘污渍   字符污渍   字符不可识别

• 药片缺陷检测的软硬件结构，要符合现场工作的要求；
• 一套图像采集装置能胜任各种常见的药片缺陷的检测；
• 图像处理软件能分析药片缺陷特征并进行分类；
• 检测药片直径：12mm；精度的要求：0.1mm；速度的要求：大于20个/s；识别率：>=95%。

药片常见的缺陷有碎片、污渍、划伤等，其均属于药片表面缺陷宜选用环形LED光源正面照射。

划痕、字符等信息，相对于药片表面来说，景深差距较小，因此相机的灵敏度是本系统首要考虑的因素。其次，为了便于后续图像的分析处理，本系统应该选择噪声点较小相机。最后，实时性好和精度高是本药片检测系统的首要要求，因此从速度和分辨率角度分析，1200万像素的CCD面阵相机依然是本系统的最优选择。

相机

光源

镜头的焦距是镜头的一个重要的参数，能反映镜头成像后分辨细节的能力，它主要受到衍射和像差的影响。光圈减小，衍射较重，分辨率下降，但是像差也会减小；与此同时，光圈减少可以加大景深。

镜头参数

安装示意图

图像灰度不均衡：药品表面是一个曲度，通过反光成像获取的边缘药片的光强度信息较低，所以边缘药片的灰度值会明显低于中心药片的灰度值。通过基于二维高斯曲面拟合灰度补偿预处理算法，对图像灰度进行修正。

冗余信息过多：为了准确地提取药片缺陷特征，需要从药片图像中分离出药片信息，其中要求得到的药片信息包含药片缺陷可能存在的任何区域，同时尽可能地减少药片信息的冗余。采用OSTU双边阈值分割法对药片图像进行预分割。

图像边缘修正：经过OSTU双阈值处理后，可以准确分离出药片信息，包括药片上表面信息和药片侧面边缘信息。与此同时，药片图像的边缘药片处出现了假边缘，通过形态学方法去除图像的假边缘。

图像分割：在分析药片缺陷信息前，需准确地提取并分离出药片缺陷信息，即：分离药片缺陷特征。针对药片的缺陷特征（尤其是药片表面的划伤缺陷）与药片表面的灰度差别小、景深小、存在模糊信息，通过采用基于模糊理论的图像分割算法提取药片的缺陷信息。

图像经过划痕检测算法后，通过圆形度和凸包面积来识别缺陷类型：

常见的药片是淡色的，尤其是以白色居多。为了突出药片的特征，采用黑色背景。由于药片是由粉末挤压而成的，因此药片表面难免会出现细微的凹陷等。当采用短焦拍摄时，这些凹陷在药片图像上表现为小黑点。这些噪声分布在药片字符的周围，影响字符的特征提取。

灰度值反转（Reserve）方法：对采集的有刻字药片图像进行灰度值反转。处理结果见图下图。经过反转运算后，药片图像的背景变为白色，药片变为黑色。与此同时，药片表面的字符也呈现为白色。经过灰度值反转后，药片表面的噪声点也变为白色，但是字符边缘是黑色的，这样就可以很好地保护字符特征，图B。

经过灰度值反转后的药片图像，没有去除字符周围的噪声点，本文采用平方函数（Square）对药片图像进行映射，处理后的结果见图C。由平方函数的性质决定，经过平方函数后，图像白色区域的对比度增加，黑暗区域的对比度减少。对于药片图像，字符的特征比较明显，药片上的噪声点减少。

END

四川广泰科技有限公司

四川广泰科技有限公司成立于2010年，是中国西南地区专业的机器视觉系统集成商为客户提供自动化智能机器视觉检测整套解决方案，包括视觉部分、机构部分、电气控制部分等一站式的研发和生产；传感器等自动化产品研发、生产、代理销售商为广大用户提供全方位技术支持和服务的专业公司。

往期推荐   

基于机器视觉的螺纹钢表面缺陷检测

基于机器视觉的纽扣内孔缺陷检测和色差检测

基于深度学习的疫苗封装检测

基于机器视觉的无纺布瑕疵检测

基于机器视觉的密封圈表面缺陷检测

扫描下方二维码或微信搜索SCGTKJ，关注我们哦~